生态系统服务权衡/协同关系的时空格局变化和关键阈值识别对区域生态保护与修复工程的建设和效益评价具有重要参考意义.已有研究主要关注生态保护和修复工程带来的生态系统服务及其权衡/协同关系的变化,很少将生态恢复的阈值效应考虑其中.采用基于生态系统服务权衡/协同关系构建的生态获益指数,评价了陕西省2000年和2020年净初级生产力、土壤保持和产水服务的协同供给能力;利用地理探测器和约束线方法分析了生态系统服务协同供给能力的主导影响因素和阈值特征.结果表明:与2000年相比,2020年陕西省净初级生产力、土壤保持和产水服务均有所增加,两两生态系统服务之间总体表现为协同关系,但具有明显的时空差异.2020年生态系统服务协同供给能力明显增加,其中陕北中部和陕南西部提升最为明显.降水和归一化植被指数(NDVI)是生态系统服务协同供给能力的主导影响因素,他们对生态系统服务协同供给能力的影响具有非线性效应和阈值特征.当NDVI在0.6-0.7之间或年降水量为1100 mm左右时,生态系统服务协同供给能力达到最高,超过上述阈值后NDVI或降水对生态系统服务协同供给能力的促进作用减弱.研究能够为生态恢复效益评价提供参考方案,为陕西省生态保护和恢复建设提供决策支持.

植物总初级生产力是定量描述生态系统固碳能力的重要指标,为了分析气候时空滞后效应和空间异质性对植被总初级生产力(GPP)的影响,以当年气象数据组(CC)、10年平均气象数据组(MC)和邻域气象数据组(FM)分别代表气候波动性、时间滞后效应和空间异质性,以及地形数据为自变量,构建随机森林模型,模拟了 2000-2014年的历史时期的GPP值以及2015-2021年在SSP126、SSP245、SSP370和SSP585排放情景下的GPP值,计算模拟解释率,因子贡献率,最终确定最佳气象数据组.结果表明(1)地形因子中坡度对GPP的影响最大,气象因子中降水量对GPP的影响最大,整体而言GPP与地形因子较气象因子相关性强,是地形再分配气象因子的结果;(2)各时期GPP模型之间交叉模拟值与MODIS数据对比发现模型解释率R2均达到0.80以上,表明所建预测GPP的随机森林模型稳定性较强;(3)历史气象数据的GPP模型结果显示CC对当年GPP的解释率更高,表明气候波动性更好地展现当年气象与GPP间的关系;(4)基于历史时期和4种未来气候情景下3个气象数据组建立的模型之间交叉模拟,结果表明MC预测模型的解释率最高,表明该数据组稳定性最强,反过来采用4种未来气候情景下3个气象数据组的模型模拟历史时期的GPP,结果表明MC与其他两个气象数据组之间存在显著性差异(P＜0.05),充分表明植被GPP响应气候具有时滞效应,并其影响程度显著大于气候的空间异质性和波动性,即前9年的气候持续影响植被GPP;(5)统计3个气象数据组在历史时期出现的概率,可知MC出现概率高的区域占比比其他两个数据组的大,在林地、灌木和草本三种景观类型中也出现相同的结论,另外MC对中高海拔和陡坡的预测能力比其他两个数据组的强,表明中高海拔地区在分配太阳辐射等复杂过程存在明显的时滞效应,而平缓地区易受当年和气候空间异质性影响.因本研究以10年为平均值计算单元,最佳时间滞后效应可能会比10年短或更长,需要进一步探讨,结论为气候变化背景下GPP模拟预测提供了最佳气象数据组.

生态系统水分利用效率(WUE)是表征碳水耦合过程的关键指标,然而,有关气候变化和退耕还林还草工程背景下黄土高原WUE的时空变化特征及其主导因子仍未明晰.研究利用遥感驱动的生态系统过程模型BEPS模拟2001-2020年黄土高原总初级生产力(GPP)和蒸散(ET),并结合基于敏感性试验的多控制因子联立求解方法定量分析气候和植被因子对黄土高原WUE变化(WUE=GPP/ET)的贡献.结果表明:(1)2001-2020年黄土高原GPP和ET分别以12.9 gC m-2 a-1和3.7 mm/a速率显著升高,并使得WUE增长显著(0.021 gC mm-1 m-2 a-1).(2)2001-2020年间黄土高原80.12％的区域叶面积指数(LAI)显著升高(全区增速为0.014 m2 m-2 a-1)而气候因子变化均不显著.(3)植被因子和气候因子对WUE变化分别呈正贡献和负贡献,植被因子作为主要影响因子主导了黄土高原86.74％地区的WUE变化.研究结果有望为干旱区生态水文管理和相关政策制定提供一定科学参考.

草甸生态系统具有强大的碳汇功能,在全球碳循环过程中发挥着重要作用.区域尺度草甸生态系统碳通量的精准模拟,可以为揭示草地碳循环对全球变化的反馈机制提供理论依据.生态过程模型则是分析和预测区域碳平衡的重要途径.以甘南州高寒草甸生态系统为研究对象,利用参数优化后的Biome-BGC模型,模拟1979-2018年高寒草甸总初级生产力(Gross Primary Productivity,GPP)和净生态系统生产力(Net Ecosystem Productivity,NEP),以表征该区域碳收支的时空分布特征.以上述40年实测气象数据为基准,并结合第六次国际耦合模式比较计划(Coupled Model Intercomparison Project phase 6,CMIP6)中的3种共享社会经济路径(Shared Socio-economic Pathways,SSPs)情景,对甘南州2019-2100年高寒草甸碳收支进行情景模拟.结果表明:(1)参数优化后的Biome-BGC模型能较好的模拟甘南州高寒草甸GPP和NEP,且GPP模拟对比NEP的模拟效果更好;(2)甘南州高寒草甸在整个研究阶段表现为碳汇,过去40年GPP、NEP波动范围为600-1100 g C m-2 a-1、150-300 g C m-2 a-1,GPP显著上升,NEP呈波动性上升趋势.未来暖湿化情景下,高寒草甸碳收支年际波动较大,NEP呈先上升再下降趋势,2060年前后出现极小值,年均增幅约为2.02 g C m-2 a-1,气温、降水和大气CO2浓度升高共同影响该地碳收支格局;(3)季节尺度上表现为冬春季节为碳源、夏秋季节为碳汇,植被生长季固碳作用增强.年内GPP、NEP呈倒"U"型变化趋势,峰值均出现在7、8月,低温以及持续增温对碳汇具有抑制作用,生长季降水量与植被生产力呈正相关;(4)碳汇/碳源的空间分布随时间而变化,具有明显的地域差异性,总体上碳汇增长率由西南向东北递减.

玉龙雪山及周边地区是典型的季风海洋性冰川区,是研究冰川变化、地-气能量交换、植被群落演替以及生态系统碳水耦合的最重要的区域.水分利用效率(water use efficiency,WUE)是联系生态系统水-碳循环及其与气候因子之间响应关系的重要参数.本研究利用MODIS卫星遥感总初级生产力(gross primary productivity,GPP)、蒸散发(evapotranspiration,ET)产品和 自适应帕尔默干旱指数(self-calibrating Palmer drought severity index,scPDSI)分析了2000-2020年玉龙雪山及周边地区植被WUE空间变化特征,研究了该区GPP、ET、WUE与scPDSI的相关性,探讨了该区不同地貌植被对水分利用及胁迫的适应策略.结果表明:2000-2020 年,研究区植被 WUE 平均值为 2.44 g C·m-2·mm-1,GPP 平均值为 1365.0 g C·m-2,ET 平均值为559.6 mm;WUE平均值最高区域分布在大起伏中山,为2.88 g C·m-2·mm-1;最低区域为大起伏极高山,为1.23 g C·m-2·mm-1.玉龙雪山地势起伏大,植被空间分布具有显著垂直地带性特征,植被WUE在3500 m以下区域随海拔上升而增加,3500 m以上则随海拔上升而减少.2000-2020年,研究区逐月WUE呈现增加—减少—增加趋势,不同地貌类型造就了植被WUE变化速率具有显著的差异性特征.玉龙雪山以及周边大起伏高山的植被WUE呈增长趋势,而中海拔平原呈减少趋势.研究区内植被WUE对干旱胁迫响应具有明显的季节性特征,WUE与scPDSI的多年逐月相关性呈现负相关—正相关—负相关—正相关的变化趋势.7月玉龙雪山WUE与scPDSI呈显著正相关,而5月则表现为显著负相关;玉龙雪山周边地区植被WUE与scPDSI在12月—次年6月呈负相关,在7-8月呈正相关.

旱地约占全球陆地面积的40%,而水分是旱地植被生长的一大限制要素.尽管土壤水分与饱和水汽压差对植被生长的重要性已经得到了广泛证实,然而目前二者对植被生产力影响的空间异质性及其形成因素仍未得到深入研究,这对研究旱地生态系统对气候变化的响应带来了挑战.为了填补这一认知空白,研究收集了多源气象、根区土壤含水率和总初级生产力产品,基于随机森林算法量化了植被总初级生产力对根区土壤含水率和饱和水汽压差的敏感性,结合土地覆盖数据和分档平均方法分析了敏感性空间异质性的形成机制.结果表明:全球旱地饱和水汽压差与植被生产力总体呈显著上升趋势;根区土壤水分对植被生长的影响以正效应主导,饱和水汽压差对植被生长的影响以负效应主导;相较于森林和灌木,饱和水汽压差对植被生长的负效应及根区土壤含水率对植被生长的正效应在农田、草地和苔原及半干旱区更为强烈;植被生产力对饱和水汽压差和根区土壤水分的敏感性在数量上总体呈显著的线性负相关性.综上,植被种类和气候条件是导致全球旱地植被生产力对土壤水分和饱和水汽压差敏感性空间异质性的重要因素.

集中连片特困地区作为我国生态环境脆弱区是退耕还林还草的主战场,其退耕成效直接反映了退耕还林还草工程的整体实施效果,为新征程中巩固和拓展退耕还林还草成果提供经验镜鉴.以《中国农村扶贫开发纲要(2011-2020 年)》文件明确的14 个集中连片特困地区作为研究区域,基于 2000-2020 年生态系统年总初级生产力(AGPP)数据集和归一化植被指数(NDVI)数据集,对比分析集中连片特困区的退耕区和未退耕区AGPP和NDVI的年际变化差异,以此来评估集中连片特困地区实施退耕还林还草工程的生态效应.研究发现:(1)2000-2020 年,集中连片特困区退耕还林还草面积为 178554km2,占2000 年耕地总面积的 44.71%;(2)研究期内,退耕区与未退耕区AGPP 和NDVI整体表现出增长趋势,其中退耕区AGPP 和NDVI呈现极显著和显著上升趋势的面积分别占总面积的 69.07%和 86.51%,未退耕区的占比分别为 65.88%和 72.61%,且退耕区AGPP和NDVI的年均值和相对变化率均高于未退耕区;(3)2000-2020 年整个区域、退耕区以及未退耕区AGPP 和NDVI年际变化趋势大体一致,均表现出线性递增态势,且退耕区AGPP和NDVI的增长始终高于整个集中连片特困区和未退耕区.因此,研究通过探讨原集中连片特困区退耕还林还草对AGPP和NDVI的影响,为进一步调整和优化退耕还林还草政策提供了参考依据.

为掌握广西植被生态质量的时空变化特征及其驱动机制,该文以植被生态质量指数(ecological quality index,EQI)为评价指标,基于气象、地形、土壤和遥感等多源数据,利用线性趋势分析、相关性分析、地理探测器等方法,分析了 2000-2020年广西植被生态质量的时空变化特征及其驱动力.结果表明:(1)2000年以来广西植被生态质量指数呈显著增加趋势,区域植被生态明显改善.植被生态质量发展经历了缓慢增长、迅速增长、显著提升等演变阶段.在空间上,广西植被生态质量指数呈现四周高,中间低的特征,高值区逐渐由东部向西部和北部扩展.(2)广西植被生态质量时空演变影响因素差异显著.随海拔高度上升植被生态质量总体变化呈"增加—下降—稳定—上下波动"的趋势.壤土的植被生态质量高,砂土的植被生态质量低.森林和灌草的生态质量较高,农田植被的生态质量较低.植被生态质量与气候驱动因素呈显著正相关关系,受气温和降水共同影响,其中以气温为主要驱动(T)的区域面积最广,降水为主要驱动(P)的区域面积次之,气温降水强驱动([T+P]+)和弱驱动([T+P]-)的区域面积较小.(3)广西植被生态质量变化驱动力受地形、土壤、植被、气候、自然灾害和人类活动的共同影响.自然影响因子解释力排序为植被＞地形＞土壤＞气候,其中植被净初级生产力和植被覆盖度是影响植被生态质量时空分异的最主要因素.自然因子对广西植被生态质量变化的影响存在交互作用,均呈非线性增强及双因子增强关系,其中地形与植被、土壤与植被、气候与植被因子交互作用最明显.自然灾害和人类活动加剧了植被生态质量变化的影响,其中干旱和低温冷害等气象灾害抑制了植被生态质量的改善,而林业生态工程等人为活动促进了植被生态质量的提升.该研究结果为合理制定广西植被生态保护与修复措施提供了科学理论依据和技术支撑.

内蒙古自治区作为中国北方重要的生态安全屏障,研究其植被变化对北方地区的生态安全意义重大.该研究基于1982-2017年内蒙古地区的涡流协方差-光利用效率模型反演的植被总初级生产力(EC-LUE GPP)等多源遥感数据,利用趋势分析和相关性分析法,分析了内蒙古地区植被GPP的时空变化特征及其与气温、降水和土壤湿度的相关性.在此基础上,采用多元线性回归和残差分析方法,分解并量化气候变化和人类活动影响下的GPP,分不同时间段开展了其对植被GPP影响的分析,探索不同植被类型GPP对驱动因素的响应.主要结果有:(1)三种气象要素与植被GPP表现出良好的相关性,其中降水和土壤湿度与GPP的相关性更高.(2)1982-1990年期间植被GPP呈现不显著波动上升,其余3个时间段(1991-2000、2001-2010、2011-2017年)呈不显著波动下降趋势.整体上呈下降趋势的区域占内蒙古植被总面积的55％,另外45％的区域呈显著上升趋势.(3)除2001-2010年期间外,其他3个时间段内(1982-1990、1991-2000、2011-2017年)气候变化对植被恢复起决定性作用,分别解释20％、16％、13％的植被恢复;人类活动在植被退化区占主导地位,分别解释13％、19％、20％的植被退化.研究结果可为内蒙古生态环境保护与管理政策的实施以及绿色可持续发展提供科学参考.

植被吸收光合有效辐射(Absorbed Photosynthetically Active Radiation,APAR)是植被进行光合作用中实际吸收的太阳辐射量,是植被净第一性生产力的重要指标,也是生态系统的功能模型、作物生长模型、净初级生产力模型、气候模型等的重要参数.因此高空间分辨率和精确性的植被吸收光合有效辐射对于高精度的区域生产力及光能利用率的研究具有重要意义.对CASA(Carnegie-Ames-Stanford Approach)模型进行了改进,利用 30 m×30 m的数字高程模型(Digital Elevation Model,DEM)数据直接计算太阳辐射,从而将其作为CASA模型的输入参数.结合多源遥感数据、气象数据,研究 2015-2020 年江汉平原APAR的时空分布及其影响因素.顾及江汉平原的土地利用分布特点,着重分析了江汉平原农田APAR的时空特性,研究结果较好的反映了江汉平原APAR分布.实验结果表明:(1)2015-2020 年APAR年总值在 3.42×1013 MJ—3.73×1013 MJ之间,总体空间分布与植被类型的分布情况相符;(2)农田月均APAR值在 4 月、7 月高于其他月份,表现出"双峰"的特征;(3)在空间分布上,水田APAR表现出明显的纬度地带性,而旱地APAR正好相反,这可能源于种植结构重心转移;(4)通过借助地理探测器,着重考虑与植被生长相关的 12 个因子(包括≧10≧积温、年总日照时数、年均气温、年总降雨量、农田种植结构、年散射辐射、农田施肥、土壤类型、土壤质地(砂土、粉砂土、黏土))进行分析,结果表明这 12 个因素对APAR空间变异性都具有很明显的影响.对CASA的改进方法可以适用于大范围高空间精度的计算.