安徽省植被净初级生产力时空变化及其影响因素研究
发布时间：2021-10-14 12:59
安徽省位于我国的东部季风区,水热组合条件优越。近些年,安徽省经济处在快速发展及国民环保理念日益强化时期,土地利用与覆被变化处在不断调整之中。在植被净初级生产力的众多影响因素中,以气候及人类活动的影响居主要地位。然而两者对植被NPP的影响程度具有差异性。本文基于CASA模型,利用2001-2016年MODIS 13A1-NDVI数据、降水、温度和太阳辐射数据,对安徽省陆地生态系统进行模拟,且结合境内土地利用与覆被（LUCC）数据,分析长时间序列下区域内NPP的时空分布格局与动态变化特征,探讨NPP变化的驱动力因素,并定量分析影响因素的相对贡献度。研究结果如下:（1）2001-2016年安徽省植被NDVI在年际变化上总体呈上升趋势,其波动范围在0.46～0.53之间;年内变化趋势上呈“双峰型”,最高峰、次高峰分别出现在7、4月;四季变化上四季均呈微弱上升趋势,总体来说,其值从高到低的季节排序依次为夏季、春季、秋季、冬季。16年间安徽省植被NDVI在空间变化上均存在明显的“空间异质性”,高值区主要分布在安徽南部及西部即皖南山区及皖西大别山区等;中值区主要分布在安徽北部与中部,如皖北平原、江淮...
【文章来源】：安徽师范大学安徽省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
安徽省地理位置及区域内部概况图
18第三章安徽省植被覆盖时空变化研究3.1数据来源与处理方法数据来源及处理方法同第二章，具体见2.2.1、2.2.2、2.2.3、2.2.4、2.2.5、2.2.6。3.2结果与分析3.2.1安徽省植被覆盖时间变化3.2.1.1安徽省植被覆盖年际变化图3-12001-2016年安徽省植被NDVI年际变化Fig.3-1InterannualvariationofvegetationNDVIinAnhuiprovinceduring2001-2016图3-1为2001-2016年安徽省植被NDVI的年际变化趋势图。由图可知，研究期间，安徽省植被NDVI处于不断波动变化之中，总体呈微弱增长趋势，最大值出现在2014年，值约为0.53，最小值出现在2001年，值约为0.46。16年间，安徽省植被NDVI平均值约为0.50。2010年为界点，之前多个年份中，仅有2007年植被NDVI超过多年平均值，植被NDVI增长幅度较小；2010年之后，2011-2016年植被NDVI均超过多年均值，植被NDVI增长幅度较大。总体来看，近些年来安徽省植被覆盖的程度有所改善。
193.2.1.2安徽省植被覆盖年内变化图3-22001-2016年安徽省植被NDVI年内变化Fig.3-2ThemonthlychangesofNDVIinAnhuiProvinceduring2001-2016通过对2001-2016年安徽省植被NDVI值年内变化的统计，绘制成图3-2。由上图以发现，研究区植被NDVI值年内变化曲线呈双峰型，最高峰出现在7月份，值约为0.71，次高峰值出现在4月份，值约为0.59，最小值出现在1月份，值约为0.34。由上图亦可得出，省内植被NDVI年内变化中存在2次先上升后下降波动趋势。具体来说，1-4月份，呈上升趋势；4-5月份，呈下降趋势；5-7月份，再次呈上升趋势；7-12月份，再次呈下降趋势，且第二阶段植被NDVI的最大值、最小值及变化幅度均高于第一阶段。其中的原因可能与安徽省多样的气候类型导致的植被覆盖类型不同及相应物候规律造成的。3.2.1.3安徽省植被覆盖四季变化图3-32001-2016年安徽省植被NDVI四季变化Fig.3-3TheseasonalchangeofNDVIinAnhuiProvinceduring2001-2016
【参考文献】：
期刊论文
[1]Spatial and temporal change patterns of net primary productivity and its response to climate change in the Qinghai–Tibet Plateau of China from 2000 to 2015[J]. GUO Bing,ZANG Wenqian,YANG Fei,HAN Baomin,CHEN Shuting,LIU Yue,YANG Xiao,HE Tianli,CHEN Xi,LIU Chunting,GONG Rui. Journal of Arid Land. 2020(01)
[2]安徽省普惠金融发展水平研究——基于皖南、皖中、皖北地区比较分析[J]. 方仙美. 铜陵学院学报. 2019(03)
[3]黄河三角洲新生湿地净初级生产力时空变化[J]. 路广,韩美,徐泽华,朱继前,牛学锐. 生态学杂志. 2019(04)
[4]基于GIS和CASA的滇南山区植被NPP时空分异及其影响因素——以云南省元阳县为例[J]. 陈峰,李红波,刘亚静. 生态学杂志. 2018(07)
[5]2000—2015年安徽省植被净初级生产力时空分布特征及其驱动因素[J]. 王芳,汪左,张运. 生态学报. 2018(08)
[6]21世纪以来呼伦贝尔市植被净初级生产力时空变化特征分析[J]. 苏日古嘎,苏根成,闫慧敏,匡文慧,包正义,杨朝斌. 干旱区资源与环境. 2017(10)
[7]中国东北地区植被NPP时空变化及其对物候的响应研究[J]. 邱玥,范德芹,赵学胜,孙文彬. 地理与地理信息科学. 2017(05)
[8]集成遥感数据的陆地净初级生产力估算模型研究综述[J]. 洪长桥,金晓斌,陈昌春,王慎敏,杨绪红,项晓敏. 地理科学进展. 2017(08)
[9]基于MOD17A3的图们江流域植被NPP时空变化特征[J]. 相恒星,王兴,张晶,王昨,姚昆,朱卫红. 河南科学. 2017(07)
[10]2001—2013年黄土高原植被净初级生产力时空变化及其归因[J]. 周夏飞,马国霞,曹国志,贾倩,於方. 安徽农业科学. 2017(14)
博士论文
[1]三江平原植被净初级生产力时空变化及其影响因素分析[D]. 颜凤芹.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[2]基于RS/GIS/DEM/NDVI的重庆植被动态、格局与碳汇研究[D]. 徐少君.西南大学 2012
硕士论文
[1]安徽省财政支出规模与结构对经济增长影响的实证研究[D]. 仲熠辉.安徽财经大学 2018
[2]基于光能利用率模型的植被总初级生产力估算及其不确定性分析[D]. 郑艺.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]基于遥感反演CASA模型的通辽市开鲁县植被净初级生产力研究[D]. 娄君宜.内蒙古农业大学 2016
[4]基于遥感—过程耦合模型的重庆地区NPP时空模拟研究[D]. 张锐.西南大学 2015
[5]基于CASA模型的浙江省植被净初级生产力估算[D]. 俞静芳.浙江农林大学 2012
[6]近五年来中国陆地植被净第一性生产力时空变化特征分析[D]. 张海龙.南京师范大学 2006
本文编号：3436204
【文章来源】：安徽师范大学安徽省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
安徽省地理位置及区域内部概况图
18第三章安徽省植被覆盖时空变化研究3.1数据来源与处理方法数据来源及处理方法同第二章，具体见2.2.1、2.2.2、2.2.3、2.2.4、2.2.5、2.2.6。3.2结果与分析3.2.1安徽省植被覆盖时间变化3.2.1.1安徽省植被覆盖年际变化图3-12001-2016年安徽省植被NDVI年际变化Fig.3-1InterannualvariationofvegetationNDVIinAnhuiprovinceduring2001-2016图3-1为2001-2016年安徽省植被NDVI的年际变化趋势图。由图可知，研究期间，安徽省植被NDVI处于不断波动变化之中，总体呈微弱增长趋势，最大值出现在2014年，值约为0.53，最小值出现在2001年，值约为0.46。16年间，安徽省植被NDVI平均值约为0.50。2010年为界点，之前多个年份中，仅有2007年植被NDVI超过多年平均值，植被NDVI增长幅度较小；2010年之后，2011-2016年植被NDVI均超过多年均值，植被NDVI增长幅度较大。总体来看，近些年来安徽省植被覆盖的程度有所改善。
193.2.1.2安徽省植被覆盖年内变化图3-22001-2016年安徽省植被NDVI年内变化Fig.3-2ThemonthlychangesofNDVIinAnhuiProvinceduring2001-2016通过对2001-2016年安徽省植被NDVI值年内变化的统计，绘制成图3-2。由上图以发现，研究区植被NDVI值年内变化曲线呈双峰型，最高峰出现在7月份，值约为0.71，次高峰值出现在4月份，值约为0.59，最小值出现在1月份，值约为0.34。由上图亦可得出，省内植被NDVI年内变化中存在2次先上升后下降波动趋势。具体来说，1-4月份，呈上升趋势；4-5月份，呈下降趋势；5-7月份，再次呈上升趋势；7-12月份，再次呈下降趋势，且第二阶段植被NDVI的最大值、最小值及变化幅度均高于第一阶段。其中的原因可能与安徽省多样的气候类型导致的植被覆盖类型不同及相应物候规律造成的。3.2.1.3安徽省植被覆盖四季变化图3-32001-2016年安徽省植被NDVI四季变化Fig.3-3TheseasonalchangeofNDVIinAnhuiProvinceduring2001-2016
【参考文献】：
期刊论文
[1]Spatial and temporal change patterns of net primary productivity and its response to climate change in the Qinghai–Tibet Plateau of China from 2000 to 2015[J]. GUO Bing,ZANG Wenqian,YANG Fei,HAN Baomin,CHEN Shuting,LIU Yue,YANG Xiao,HE Tianli,CHEN Xi,LIU Chunting,GONG Rui. Journal of Arid Land. 2020(01)
[2]安徽省普惠金融发展水平研究——基于皖南、皖中、皖北地区比较分析[J]. 方仙美. 铜陵学院学报. 2019(03)
[3]黄河三角洲新生湿地净初级生产力时空变化[J]. 路广,韩美,徐泽华,朱继前,牛学锐. 生态学杂志. 2019(04)
[4]基于GIS和CASA的滇南山区植被NPP时空分异及其影响因素——以云南省元阳县为例[J]. 陈峰,李红波,刘亚静. 生态学杂志. 2018(07)
[5]2000—2015年安徽省植被净初级生产力时空分布特征及其驱动因素[J]. 王芳,汪左,张运. 生态学报. 2018(08)
[6]21世纪以来呼伦贝尔市植被净初级生产力时空变化特征分析[J]. 苏日古嘎,苏根成,闫慧敏,匡文慧,包正义,杨朝斌. 干旱区资源与环境. 2017(10)
[7]中国东北地区植被NPP时空变化及其对物候的响应研究[J]. 邱玥,范德芹,赵学胜,孙文彬. 地理与地理信息科学. 2017(05)
[8]集成遥感数据的陆地净初级生产力估算模型研究综述[J]. 洪长桥,金晓斌,陈昌春,王慎敏,杨绪红,项晓敏. 地理科学进展. 2017(08)
[9]基于MOD17A3的图们江流域植被NPP时空变化特征[J]. 相恒星,王兴,张晶,王昨,姚昆,朱卫红. 河南科学. 2017(07)
[10]2001—2013年黄土高原植被净初级生产力时空变化及其归因[J]. 周夏飞,马国霞,曹国志,贾倩,於方. 安徽农业科学. 2017(14)
博士论文
[1]三江平原植被净初级生产力时空变化及其影响因素分析[D]. 颜凤芹.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[2]基于RS/GIS/DEM/NDVI的重庆植被动态、格局与碳汇研究[D]. 徐少君.西南大学 2012
硕士论文
[1]安徽省财政支出规模与结构对经济增长影响的实证研究[D]. 仲熠辉.安徽财经大学 2018
[2]基于光能利用率模型的植被总初级生产力估算及其不确定性分析[D]. 郑艺.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]基于遥感反演CASA模型的通辽市开鲁县植被净初级生产力研究[D]. 娄君宜.内蒙古农业大学 2016
[4]基于遥感—过程耦合模型的重庆地区NPP时空模拟研究[D]. 张锐.西南大学 2015
[5]基于CASA模型的浙江省植被净初级生产力估算[D]. 俞静芳.浙江农林大学 2012
[6]近五年来中国陆地植被净第一性生产力时空变化特征分析[D]. 张海龙.南京师范大学 2006
本文编号：3436204
本文链接：https://www.wllwen.com/projectlw/swxlw/3436204.html
