导读:本文包含了植被净第一性生产力论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:植被,生产力,大兴安岭,模型,时空,黄河流域,生态系统。
植被净第一性生产力论文文献综述
白鸣祺,王芳,高永刚[1]（2018）在《近50年气候变化对七星河湿地生态系统自然植被第一性净生产力的影响》一文中研究指出七星河湿地国家级自然保护区,位于黑龙江省宝清县北部,地处七星河中下游,湿地面积2×10~4hm~2,优势植物为芦苇、小叶章。七星河湿地自然保护区属于内陆湿地与水域生态系统类型保护区,原始湿地生态系统齐全,是我国东北叁江平原原始湿地生态系统的缩影。由于叁江平原七星河湿地自动气象观测站观测资料(温度、降水)年限较短(2006—2009年),气候变化对湿地NPP的影响分析需要较长的湿地气象观测资料。因此,采用网格插值法~([15,16]),利用全省81站1961—2008年逐日气象资料(气温、降水)进行网格插值(50 km×50 km),选取七星河湿地所在网格的逐日气象资料代替七星河湿地近50年的气候资料。七星河湿地自然植被NPP观测资料为2009年NPP_(地上)观测数据。自然植被第一性净生产力(Net primary productivity,NPP)可能是对气候变化反应最为敏感的生态环境因素之一,研究气候变化对NPP的影响可为湿地资源的恢复与保护及可持续发展提供理论依据。本研究利用1961—2008年网格插值的七星河湿地逐日气温、降水量资料,采用Miami(R)模型计算植被NPP(NPP地上与NPP_总),并分析气温、降水量、植被干燥指数等对湿地自然植被NPP的影响。结果表明,七星河湿地NPP_总与NPP_(地上)的平均值分别为110.36和29.05 DMt/(hm~2·a),近50年来湿地NPP_总与NPP_(地上)总体上呈增长趋势,年平均上升幅度分别为0.1291和0.0340 DMt/(hm~2·a)。湿地自然植被NPP与年平均气温、年生长季平均气温呈较显着正相关,与年降水量、生长季降水量呈极显着负相关,与生长季植被干燥指数呈极显着正相关;当湿地生长季平均气温每升高1℃、湿地年降水量每增加1 mm、湿地植被生长季的干燥指数每增加1℃/mm,NPP总和NPP地上分别增加了1.5220和0.4006 DMt/(hm~2·a)。在水资源较充足的七星河湿地,气温适度升高、降水量略呈减少、气候相对较干燥(水热条件配合较好)的气候条件有利于形成季节性积水的沼泽化湿地,提高植被光合作用率,促进七星河湿地自然植被NPP的增加。近50年的七星河湿地年平均自然植被NPP_总约为2.2072×10~6t;年平均固碳量为0.8829×10~6t。在未来IPCC2000年排放方案SRES-B2(较低排放)情景下,未来七星河湿地自然植被NPP_总和固碳量呈下降趋势,与近50年平均值相比,2020、2050和2100年下降幅度分别为5.37%、9.91%和13.59%。(本文来源于《第35届中国气象学会年会 S6 应对气候变化、低碳发展与生态文明建设》期刊2018-10-24）
李传华,范也平,曹红娟,韩海燕[2]（2018）在《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》一文中研究指出人类活动是影响植被净第一性生产力(Net Primary Productivity,NPP)变化的主要因子之一,定量计算NPP人为影响值具有重要意义。以石羊河流域为研究区,采用改进CASA模型计算理论NPP和实际NPP,并求得NPP人为影响值,分析了该流域NPP人为影响值的分布和变化规律。结果表明:(1)2001—2014年石羊河流域年均实际NPP为261.70 g C·m~(-2)·a~(-1),总量为10.62 Tg C·a~(-1),NPP呈略微上升趋势。(2)人类活动对NPP的正向和负向影响都非常强烈,影响值介于-644.15~740.31 g C·m~(-2)·a~(-1)之间。在人为作用下,正向影响总量年均为1.93 Tg C·a~(-1),负向影响总量年均为3.16 Tg C·a~(-1),整体表现为明显负影响,表明该流域植被在人为作用下一直处于退化状态。(3)研究期间人为作用变化显着,人为正负影响绝对值之和呈减小趋势(年均减少速率为26 592 g C·m~(-2)·a~(-1)),说明人类活动有所减缓;同时人为正负影响值代数和也呈减小趋势(年均减少速率为82 856 g C·m~(-2)·a~(-1)),说明人类对植被的负影响效应正在减弱,表明治理初见成效。(4)研究期间人为负向影响减弱区面积占流域面积的41.04%,主要分布在下游荒漠区,说明下游植被NPP有所增加,生态环境有所改善。(本文来源于《干旱区地理》期刊2018年01期）
王琳,景元书,张悦[3]（2015）在《基于MODIS的长江中下游地区植被净第一性生产力时空变化规律》一文中研究指出基于中等分辨率成像光谱仪(MODIS)数据产品,分析了长江中下游地区的植被净第一性生产力(net primary production,NPP)的时空分布规律,并探讨了气候和土地覆被变化对它们的影响。研究结果表明:在2001-2010年间,研究区植被净第一性生产力的数值主要集中在420~670 g·m-2·a-1(以碳计),平均值为562 g·m-2·a-1(以碳计)。从时间角度来看,植被净第一性生产力的年际波动大,且大部分地区的植被净第一性生产力呈现随时间逐渐降低趋势。从空间角度看,植被净第一性生产力呈南高北低、沿海高于内陆的分布规律。研究区内植被净第一性生产力的变化受到了气候因子的综合作用,与年均气温和日照时数呈正相关,与降水量呈负相关(P<0.05)。同时,土地覆被类型的转变也是导致植被净第一性生产力产生时空变化的重要因素。(本文来源于《浙江农林大学学报》期刊2015年06期）
李安,罗景玟,陈银灵[4]（2015）在《利用气候模型估算大兴安岭地区植被净第一性生产力》一文中研究指出对大兴安岭地区及其周围8个气象站点年降水量和年平均气温进行反距离权重插值,并代入Thornthwaite Memorial模型来估算1990年和2010年大兴安岭地区的植被净第一性生产力,获得这两项气候因子及植被净第一性生产力空间分布图,进一步对其动态变化及空间分布情况进行分析。(本文来源于《林业科技情报》期刊2015年04期）
邸华,贺晓香,车宗彩[5]（2015）在《祁连山区近60年气候变化对植被净第一性生产力的影响》一文中研究指出通过祁连山区14个气象站1953—2012年连续60年的逐年气温、降水资料,采用Thornthwaite Memorial模型,计算分析祁连山区气候变化对植被NPP的影响,结果表明:在1953—2012年的60年间,祁连山区平均气温为上升趋势,平均降水量均呈增多趋势,祁连山区气候逐渐呈"暖湿化"的变化趋势;祁连山区植被NPP呈增长趋势,年增长量2.957(DMt/hm2·a),年增长率为0.89%;植被NPP的生长季节为3—10月,7月NPP增加量最大;祁连山区降水量对植被NPP影响最大的,温度对植被NPP的影响不显着。(本文来源于《林业科技通讯》期刊2015年06期）
王静,王克林,张明阳,章春华[6]（2015）在《南方丘陵山地带植被净第一性生产力时空动态特征》一文中研究指出基于MODIS数据并结合气象资料和植被参数,利用修正过最大光能利用率的CASA(Carnegie-Ames-Stanford Approach)模型,对国家生态安全屏障区的"两屏叁带"之一南方丘陵山地带2000—2010年的植被净第一性生产力(NPP)进行模拟,并对其时空分布格局进行了分析。研究结果表明:(1)研究区2000—2010年期间年NPP的变化范围为406.0—485.6 g C m-2a-1,年平均NPP为445.7 g C m-2a-1,高于全国平均水平;NPP年际上升趋势不显着(P=0.39),平均增加值为2.28 g C m-2a-1;(2)NPP空间分布特征与植被类型具有较好的一致性,单位面积NPP以混交林覆盖区最高(501.0 g C m-2a-1),草地覆盖区NPP最低(390.7 g C m-2a-1);(3)植被NPP的时空变化与气温、降雨和太阳辐射等自然因素的变化有直接关系,而社会、经济、政策等人为因素通过改变土地利用方式来间接影响。(本文来源于《生态学报》期刊2015年11期）
裴凤松,黎夏,刘小平,夏庚瑞[7]（2015）在《城市扩张驱动下植被净第一性生产力动态模拟研究——以广东省为例》一文中研究指出城市间相互作用对城市扩张时空演变及其植被碳循环效应具有重要影响。本文将城市相互作用因子引入到元胞自动机(CA)的城市扩张模拟中,使用极限学习机(ELM)来自动获取CA的转换规则,并提出了ELM-CA模型;结合Biome-BGC模型,以广东省为例,对未来城市扩张及其植被净第一性生产力(NPP)效应进行耦合研究。结果表明:ELM-CA模型无需人工确定各变量权重大小,在不同类型变量的参数获取方面具有优势。通过嵌入城市间相互作用,ELM-CA模型能较好地模拟广东省城市用地扩张过程和格局。另外,广东省城市用地扩张对植被NPP具有重要影响,主要表现为城市用地的增加显着地降低植被NPP。按2000-2005年间城市扩张趋势,到2020年,由城市用地扩张导致的植被NPP降低约占广东省植被NPP的1.79%。引导城市合理扩张,对于维持生态系统碳平衡、促进社会经济的可持续发展具有重要意义。(本文来源于《地球信息科学学报》期刊2015年04期）
刘正显,李国春,罗琳,王维芳[8]（2015）在《大兴安岭植被净第一性生产力估算与动态分析》一文中研究指出植被净第一性生产力在全球变化研究中扮演着重要的角色,NPP的估算与分析对于研究全球生态系统碳循环和区域气候变化具有重要意义。本文借助MODIS卫星传感器提供的归一化植被指数NDVI数据和大兴安岭地区的气象数据等为研究资料,通过构建CASA模型对大兴安岭地区不同类型植被的NPP进行了模拟估算,并通过地理信息系统等研究工具研究了该地区2010年生长季(5~9月份)不同植被NPP分布随时间的动态变化,和总体植被的NPP空间分布状况。大兴安岭地区植被生长期NPP总体平均值为318.29 g C/m2·a。从空间分布格局看,全区植被NPP空间分布差异较为明显。不同植被类型的NPP具有明显差异,生长期NPP总体平均值森林>草甸>灌木>农作物。不同植被类型5~9月NPP随时间动态变化的趋势基本一致,植被NPP最大峰值出现在在6~7月份之间。最后对模型计算结果与实测植被NPP数据、Modis数据的NPP产品及其他学者的估测结果进行比较,结果基本一致。(本文来源于《森林工程》期刊2015年02期）
孙庆龄,冯险峰,肖潇[9]（2014）在《武陵山区植被净第一性生产力的时空格局及其与地形因子的关系》一文中研究指出本研究旨在探讨2001-2010年武陵山区植被净第一性生产力(NPP)的时空变化格局及其与主要地形因子间的关系。利用MODIS MOD17A3数据、地形数据,以及土地覆盖等数据,基于回归分析和分级统计等方法,开展了武陵山区植被NPP的时空变化格局及其与高程和坡度2个基本地形因子间关系的研究。结果表明:(1)10年间武陵山区植被年NPP的平均值为590.72 gC·m-2·yr-1,森林、灌草和农田的NPP平均值分别为596.79 gC·m-2·yr-1、586.98 gC·m-2·yr-1和563.31 gC·m-2·yr-1;(2)2001-2010年武陵山区植被NPP总量的平均值为98.90TgC·yr-1,波动范围为92.79~106.99TgC·yr-1,从NPP年际变化的空间分布来看,武陵山区植被NPP的变化趋势整体上呈北增南减的格局;(3)分别以30 m和3°为高程和坡度的分级级差时,发现武陵山区平均植被NPP随海拔和坡度的升高有明显的先增加后缓慢下降的趋势,但在海拔高于1500 m及坡度大于50°的地区,平均植被NPP出现了较大波动,然而,在波动中均有随海拔和坡度的增加而先上升后再下降的趋势;(4)在地理区间尺度上,200~1000 m的高程段以及5~25°的坡度段内植被NPP的平均值较高,500 m以上的高程区间平均植被NPP依次递减,但50°以上的坡度区间平均植被NPP反而有所增加,这在一定程度上反映了坡度高于某一临界值后坡面侵蚀强度又有所下降的趋势。(本文来源于《地球信息科学学报》期刊2014年06期）
陈强,陈云浩,王萌杰,蒋卫国,侯鹏[10]（2014）在《2001—2010年黄河流域生态系统植被净第一性生产力变化及气候因素驱动分析》一文中研究指出基于MODIS-NDVI遥感数据,利用CASA模型分析黄河流域2001—2010年植被净第一性生产力(NPP)的空间分布格局,并结合同期气温和降水量数据,分别从不同空间和时间尺度上分析了黄河流域6种生态系统类型区域植被NPP的变化趋势,并对其与气候因素的相关关系进行分析.结果表明:植被NPP空间分布呈西北低、东南高的分布特征,平均NPP年总量为108.53 Tg C,植被NPP的分布与生态系统类型呈现较高的相关性;2001—2010年,植被NPP总体呈上升趋势但波动较大,55.4%的面积呈现增加趋势,不同生态系统类型区域呈现不同的变化趋势;在年际水平上,黄河流域植被NPP变化与气候因素没有显着相关性,但在月际水平上呈现了较高的相关性,降水量和气温对植被NPP变化的影响作用相当;不同生态系统类型对气候因素呈现不同的相关性质以及时滞效应,草地对降水量的响应存在一定程度的时滞效应,荒漠对气温存在时滞效应.(本文来源于《应用生态学报》期刊2014年10期）
植被净第一性生产力论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人类活动是影响植被净第一性生产力(Net Primary Productivity,NPP)变化的主要因子之一,定量计算NPP人为影响值具有重要意义。以石羊河流域为研究区,采用改进CASA模型计算理论NPP和实际NPP,并求得NPP人为影响值,分析了该流域NPP人为影响值的分布和变化规律。结果表明:(1)2001—2014年石羊河流域年均实际NPP为261.70 g C·m~(-2)·a~(-1),总量为10.62 Tg C·a~(-1),NPP呈略微上升趋势。(2)人类活动对NPP的正向和负向影响都非常强烈,影响值介于-644.15~740.31 g C·m~(-2)·a~(-1)之间。在人为作用下,正向影响总量年均为1.93 Tg C·a~(-1),负向影响总量年均为3.16 Tg C·a~(-1),整体表现为明显负影响,表明该流域植被在人为作用下一直处于退化状态。(3)研究期间人为作用变化显着,人为正负影响绝对值之和呈减小趋势(年均减少速率为26 592 g C·m~(-2)·a~(-1)),说明人类活动有所减缓;同时人为正负影响值代数和也呈减小趋势(年均减少速率为82 856 g C·m~(-2)·a~(-1)),说明人类对植被的负影响效应正在减弱,表明治理初见成效。(4)研究期间人为负向影响减弱区面积占流域面积的41.04%,主要分布在下游荒漠区,说明下游植被NPP有所增加,生态环境有所改善。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
植被净第一性生产力论文参考文献
[1].白鸣祺,王芳,高永刚.近50年气候变化对七星河湿地生态系统自然植被第一性净生产力的影响[C].第35届中国气象学会年会S6应对气候变化、低碳发展与生态文明建设.2018
[2].李传华,范也平,曹红娟,韩海燕.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
[3].王琳,景元书,张悦.基于MODIS的长江中下游地区植被净第一性生产力时空变化规律[J].浙江农林大学学报.2015
[4].李安,罗景玟,陈银灵.利用气候模型估算大兴安岭地区植被净第一性生产力[J].林业科技情报.2015
[5].邸华,贺晓香,车宗彩.祁连山区近60年气候变化对植被净第一性生产力的影响[J].林业科技通讯.2015
[6].王静,王克林,张明阳,章春华.南方丘陵山地带植被净第一性生产力时空动态特征[J].生态学报.2015
[7].裴凤松,黎夏,刘小平,夏庚瑞.城市扩张驱动下植被净第一性生产力动态模拟研究——以广东省为例[J].地球信息科学学报.2015
[8].刘正显,李国春,罗琳,王维芳.大兴安岭植被净第一性生产力估算与动态分析[J].森林工程.2015
[9].孙庆龄,冯险峰,肖潇.武陵山区植被净第一性生产力的时空格局及其与地形因子的关系[J].地球信息科学学报.2014
[10].陈强,陈云浩,王萌杰,蒋卫国,侯鹏.2001—2010年黄河流域生态系统植被净第一性生产力变化及气候因素驱动分析[J].应用生态学报.2014
论文知识图
