新疆近15年草地NPP动态变化与气象因子的相关性研究

任璇, 郑江华,*, 穆晨, 闫凯, 刘永强, 温阿敏, 杨会枫

1. 新疆大学资源与环境科学学院, 乌鲁木齐 830046 2. 绿洲生态教育部重点实验室, 乌鲁木齐 830046 3. 新疆维吾尔自治区草原总站, 乌鲁木齐 830046 4. 新疆维吾尔自治区治蝗灭鼠指挥部办公室, 乌鲁木齐 830001

新疆近15年草地NPP动态变化与气象因子的相关性研究

任璇1,2, 郑江华1,2,*, 穆晨3,4, 闫凯4, 刘永强1,2, 温阿敏1,2, 杨会枫1,2

1. 新疆大学资源与环境科学学院, 乌鲁木齐 830046 2. 绿洲生态教育部重点实验室, 乌鲁木齐 830046 3. 新疆维吾尔自治区草原总站, 乌鲁木齐 830046 4. 新疆维吾尔自治区治蝗灭鼠指挥部办公室, 乌鲁木齐 830001

为揭示新疆不同时空格局下气候因素变化对植被生产力的影响, 探讨草地植被生产力与气候因子的相关关系,采用2000—2014年8月MOD13A1遥感数据集, 利用CASA模型分析新疆草地植被净初级生产力的空间格局及动态变化, 结合降水量、温度数据分析新疆不同草地植被类型NPP的变化趋势, 并对其与气象因子的相关关系进行分析。结果表明: (1)从空间上, 草地植被NPP各年呈北高南低的空间格局, 不同的草地类型的NPP也存在较大差异, 总体大致表现为草甸＞高山亚高山草甸＞平原草地＞高山亚高山草地＞荒漠草地。(2)从时间上, 2000– 2014年, 草地植被NPP总体呈波动式下降趋势, 在 2006年、2012年、2014年降到谷底, 分别为 50.520 g C·(m²·a)-1、54.438 g C·(m²·a)-1、54.213 g C·(m²·a)-1。(3)新疆草地植被 NPP与降水呈显著正相关, 与温度呈不显著负相关。表明降水是影响该地区植被 NPP的主要气候因子。

净初级生产力(NPP); CASA模型; 空间格局; 气候因子; 相关性

1 前言

NPP, 净初级生产力, 是指绿色植物在单位面积、单位时间内所积累的有机物数量, 是光合作用所产生的有机质总量减去呼吸消耗后的剩余部分,也是反映全球气候变化与陆地生态系统响应的重要参数[1–3]。随着遥感技术的兴起和发展, 基于遥感观测的植被NPP研究已经较好地应用于实时、连续监测和年际波动及长期变化趋势的探测[4]。

草地NPP的研究对于合理利用草地资源, 充分发挥草地气候生产潜力, 最大限度地提高草地产量以及对草地农业生态系统中的碳循环研究都具有重要的指导意义[5–7]。现有的草地 NPP估算模型包括气候相关统计模型、生态系统过程模型和生态遥感耦合模型、光能利用率模型[8–12]。目前利用遥感数据模型进行间接估测植被净初级生产力及与气象因素的驱动分析都是众学者研究的热点, 如 Rabindra K等运用CASA模型对印度植被NPP进行了估算[13]。Wang等研究了美国, 路易斯安那州2000到2050森林净初级生产力(NPP)对三种气候变化情景下的响应[14]。Mowll等估测了美国西部草原的地上NPP并分析生产力与气象因子的相关性及敏感性[15]。丁庆福等运用遥感-过程耦合模型, 估算了江西省陆地植被净初级生产力[16]。Chunyu Liu等基于 MODIS—1NDVI遥感数据, 利用CASA(Carnegie-Ames-Stanford Approach)模型分析甘肃省2001—2010年NPP的空间分布格局并分析不同生态系统对气象因素呈现不同的相关性质以及时滞效应[17]。杨红飞等采用CASA模型分析新疆地区植被净初级生产力及其时空变化特征[18]。目前对于新疆植被NPP的研究主要侧重于自然植被NPP的空间格局上的分析以及气候变化对自然植被 NPP的影响研究[27–29], 针对不同草地类型NPP及其与气象因子的相关性研究较少, 因此, 在前人的研究基础上, 本文基于 2000—2014年的MODIS—NDVI数据, 采用适用于估算新疆草地植被 NPP的模型—CASA模型[18], 获取新疆草地植被NPP时空变化信息, 结合同时期的降水、气温气象数据,分析新疆草地植被 NPP与气象因子的相关性, 旨在探讨气候因素对新疆草地植被净初级生产力的驱动作用,以期更好地评估草地长势和合理利用草地资源。

2 材料与方法

2.1 研究区概况

新疆维吾尔自治区(简称新疆)位于中国西北部,亚欧大陆腹地, 面积为166×104km2, 占中国国土面积六分之一, 地理坐标为北纬 34°22′—49°33′, 东经73°32′—96°21′。新疆的地形地貌特征为“三山夹两盆”: 北面阿尔泰山, 南面是昆仑山, 天山横亘中部,准喝尔盆地位于阿尔泰山和天山之间, 塔里木盆地位于天山和昆仑山系之间。新疆属于典型的温带大陆性气候, 降水少, 蒸发强, 气候干燥, 年平均降水量仅为 150 mm, 仅为全国年均降水量的 1/5, 且降水分布极不均匀, 北疆多于南疆, 西部多于东部,山区多于盆地[19]。新疆地域辽阔, 境内既有高山、丘陵、盆地, 又有平原绿洲、戈壁和沙漠。复杂多样的地貌条件, 形成和发育了丰富多样的草地类型,拥有草地面积 0.57亿 hm2, 其中可利用草地面积0.48亿 hm2, 占全国可利用面积的20.2%, 居全国第三位[20–21]。

2.2 数据源与预处理

文中所采用的NDVI数据为美国国家航空航天局提供的 EOS/MODIS的 MOD13A1数据产品(http://e4ftl01.cr.usgs.gov/MOLT/), 时间分辨率为16 d,像元值采用国际通用的最大合成法(maximum value composite,MVC), 空间分辨率为500 m。利用专业处理软件MRT TOOLS对数据进行格式转换、投影转换、拼接, 将HDF格式转换成Tiff格式。用新疆行政区划图裁剪出新疆2000—2014年逐年8月的NDVI栅格数据。草地类型数据来自欧盟联合研究中心(JRC)空间应用研究所(SAI)的2000年全球覆盖数据产品(GLC2000)分辨率1000 m。用ArcGIS提取出新疆草地(图3), 为草甸、平原草地、荒漠草地、高山亚高山草甸、高山亚高山草地5种类型。

图1 研究区位置示意图Fig. 1 Location of the study area

气象数据来源于中国气象数据网(http://data.cma.gov.cn/), 时间序列为2000—2014每年8月, 包括新疆 108个气象站点的气温和降水数据, 和全国98个气象站点的太阳辐射数据以及各个站点的经度、纬度、海拔高程。采用ArcGIS的地统计分析功能, 对气象数据进行Kriging空间插值和重采样得到与 NDVI数据分辨率、投影都相同的气象数据栅格图像。

2.3 NPP估算方法

CASA模型: 该模型考虑太阳辐射、气温、降水等气象因素以及通过遥感获取植被吸收光合有效辐射参数, 广泛应用到陆地生态系统初级生产力估算以及全球范围内碳循环的研究[22]。本研究采用朱文泉等改进的CASA模型, 由植被所吸收的光合有效辐射 APAR 与光能转化率(ε)确定[23–24]。光合有效辐射(PAR 0.4—0.7 μm)是植物光合作用的驱动力, 它与生物量有很强的相关性, 植被吸收的光合有效辐射取决于太阳总辐射和植物本身的特征[24]。具体计算公式如表1。

2.4 NPP变化趋势分析

2.4.1 NPP年际变化率

采用一元线性回归方法[25]分析2000—2014年8月新疆草地逐像元的NPP的时间序列变化趋势, 从而得出研究区NPP变化分布, 计算公式如下:

式中, θslope为单个像元多年回归的趋势斜率, 即年际变化率。变量i为年序号, n取15, NPPi为第i年的NPP。θslope＞ 0, 表示该像元多年之间呈增加趋势,反之, 为减少趋势。

2.4.2 NPP与气候因子的相关性计算

本研究以像元为基础, 分析NPP与气候因子的相关性, 计算 NPP与气温、降水的相关系数, 公式如下:

式中: Rxy为x、y之间的相关系数; xi为第i年/月的NPP; yi为第i年/月的气温或降水量;为多年/年内各月NPP的平均值;为多年/年内各月气温或降水量平均值。根据计算结果, 对相关系数进行如下划分: |R|＞0.8 为高度相关, 0.5＜|R|＜0.8 为中度相关,0.3＜|R|＜0.5 为低度相关, |R|＜0.3 一般认为不相关[30]。

表1 基于CASA模型的植被净初级生产力计算公式Tab. 1 Calculation of the vegetation net primary production based on the Carnegie-Ames-Stanford Approach model

3 结果与分析

3.1 模型验证结果

由2012年8月的新疆草地NPP实测值和同时期CASA模型模拟值相关性分析的结果(图2)所示,NPP实测值与模拟值有良好的线性关系(R²=0.7144且 P＜0.01)。说明用该模型估算的 NPP能够反映当地实际NPP的值。因此, 可以认为CASA模型适于新疆草地植被NPP的估算。

3.1 NPP的空间格局

图2 实测值与模拟值的对比Fig. 2 Comparison of estimated NPP and observed NPP for grassland in Xinjiang

2000—2014年8月新疆草地植被月均NPP为59.40 g C·(m²·a)-1, 基于 MODIS NDVI数据估算出的2000—2014年8月新疆草地植被NPP的分级图3可以看出, 新疆草地植被NPP空间分布特征受区域水热条件的制约, 各年空间上呈北高南低的空间格局, 最高值出现在伊犁河谷地区以及北疆地区, 最低值出现在新疆南部地区, 这是由于伊犁河谷为草甸地区, 其NPP值要大于其他草地类型。新疆南部地区多为荒漠草地和高山亚高山草地, NPP值相对较低。不同草地类型(图 4)的 NPP存在较大差异,2000—2014年8月不同草地类型NPP值分布范围所占比例见表2, 由表2可以看出, 荒漠草地的NPP值最低, 平均值为 54.66 g C·(m²·a)-1, 主要集中在 0—40 g C·(m²·a)-1, 所占比例达到了 50.93%, NPP 值大于120 g C·(m²·a)-1的仅占1.55%。高山亚高山草地的NPP值也相对较低, 平均值为55.07 g C·(m²·a)-1,其中 40—80 g C·(m²·a)-1所占比例为 64.00%。其中草甸和高山亚高山草甸的NPP值相对较高, 草甸平均值为62.90 g C·(m²·a)-1, 高山亚高山草甸平均值为60.67 g C·(m²·a)-1, 其中草甸 NPP 在 80 g C·(m²·a)-1以上所占比例为 40.82%, 高山亚高山草甸在 80 g C·(m²·a)-1以上所占比例为34.23%。总体大致表现为草甸＞高山亚高山草甸＞平原草地＞高山亚高山草地＞荒漠草地。由于北疆雨水较多, 分布的多为草甸、平原草地, 而南疆夏季干旱少雨, 靠近沙漠, 多为荒漠草地, 因此新疆草地NPP呈明显的北高南低的格局。

表2 新疆省2000—2014年不同草地类型NPP值分布范围所占比例(%)Tab. 2 Grassland types of Proportion of NPP values’distribution in Xinjiang Province from 2000 to 2014

图3 2000—2014年新疆草地平均NPP空间分布Fig. 3 Spatial distribution of mean NPP in Xinjiang grassland during 2001-2014

图4 新疆草地类型图Fig. 4 Distribution of grassland types in Xinjiang

3.2 NPP的年际变化

2000—2014年8月, 新疆草地NPP总体呈波动式下降的趋势(图5)。出现了三次大的波动, 分别在2006、2012、2014降到谷底, NPP月均值为50.520 g C·(m²·a)-1、54.438 g C·(m²·a)-1、54.213 g C·(m²·a)-1,是由于这三年新疆遭受了罕见的旱灾所致, 导致NPP值急剧减少。由公式(1)逐像元趋势线分析得出图6)2000—2014年8月平均θslope为–0.067(p＜0.05),也进一步说明新疆近15年草地NPP呈下降趋势。减少区域主要分布在北疆以及天山山脉一带。不同草地类型区域也有差别, 其中平原草原变化斜率为–0.2(p＜0.05), 呈下降趋势, 荒漠草原和草甸变化斜率分别为 0.16(p＜0.05)和 0.17(p＜0.05), 呈增加趋势,高山亚高山草地和高山亚高山草甸NPP值变化较小,大部分区域不存在显著变化。

图5 2000-2014年新疆草地NPP值变化Fig. 5 Variability of NPP values in Xinjiang grassland from 2000 to 2014

图6 2000—2014年新疆草地NPP变化趋势Fig. 6 Grassland NPP change trends in Xinjiang Province from 2000 to 2014

3.3 NPP对气候因素的响应

植被净初级生产力的大小及其分布不仅受到自身的生态特征的限制, 还与气候因素密切相关, 其中植被对气候的响应表现出显著的空间差异, 不同的植被类型对气候因素的响应也不同[26]。

2000—2014年8月平均NPP与降水的相关系数的空间分布见图7(a), 可以看出在研究区内NPP与降水的正相关性与负相关性并存, 但整体呈现正相关关系, 相关系数均值为 0.490, 在伊犁河谷、北部地区 NPP与降水的相关性较高, 而新疆南部地区NPP与降水的相关性相对较低。据统计结果表明,NPP与降水两者呈正相关的占58.51%, 其中高度正相关占20.90%, 中度正相关占32.13%, 二者呈负相关占 1.19%, 其中高度负相关只有 0.003%。说明草地NPP与降水的相关性明显。由于新疆夏季高温、蒸发量大, 因此降水成为限制植被生长的因子。

2000—2014年8月平均NPP与温度的相关性不明显, 高度相关仅占 0.8%。主要呈负相关关系(图7b), 随着温度的升高NPP值相对减少。相关系数均值为–0.252, 两者负相关占 45.17%。其中中度负相关占18.53%, 低度负相关占25.83%。

图7 2000—2014新疆草地植被NPP对降水(a)和温度(b)变化的响应Fig. 7 NPP of Xinjiang grassland vegetation response to precipitation (a) and temperature change (b) in 2001-2010

计算不同草地类型2000—2014年8月NPP与降水量和温度的平均相关系数(Rp、Rt)(表3), 分析气候因子对不同草地类型NPP的影响。可以看出, 不同草地类型与降水、温度的相关性也具有差异。所有的草地类型与降水的相关性均高于与温度的相关性, 其中草甸与降水的正相关性较大, Rp值可达0.556, 正相关区域占研究区草甸面积的80.91%, 其中高度正相关占了23.31%, 荒漠草地和高山亚高山草地与降水的正相关相对较低, Rp值为0.452、0.383,正相关区域占研究区荒漠草地面积、高山亚高山草地的 66.00%、60.11%, 其中高度正相关占了20.42%、9.41%。草地NPP与降水的总体表现为草甸＞高山亚高山草甸＞平原草地＞荒漠草地＞高山亚高山草地。不同草地类型与温度均呈负相关关系,各草地类型的Rt均小于Rp。草甸NPP与温度的相关性相对较高, Rt值为–0.270, 负相关区域占研究区草甸面积的47.18%, 其中高度负相关仅占了0.78%。

表3 不同草地类型NPP与降水量和温度的平均相关系数Tab. 3 Different Grassland types in NPP with precipitation and temperature of the average correlation coefficients

以上结果表明, 新疆草地NPP与降水量呈较高的正相关性关系, 与温度呈较低负相关性关系, 说明降水是影响该地区草地NPP的主要气候因子。从空间格局上看新疆北部、中部地区草地NPP与降水和温度的相关性较为明显, 而南疆的整体相关性不高, 主要是受降水和气温空间格局以及植被类型的综合影响, 因此研究区内不同地区NPP与气温和降水的相关性有一定差异。

4 结论与讨论

本文基于 MODIS—NDVI遥感数据结合同期的气候数据, 利用CASA模型对新疆2000—2014年8月草地植被净初级生产力进行估算, 从不同的空间格局、年际变化以及对气候因素的响应进行分析,得出以下结论:

(1)新疆草地植被 NPP空间分布特征受区域水热条件的制约, 各年空间上呈北高南低的空间格局,新疆夏季北部降水相比南部较高, 因此分布着较高的NPP值。不同的草地类型的NPP也存在较大差异,总体大致表现为草甸＞高山亚高山草甸＞平原草地＞高山亚高山草地＞荒漠草地。

(2)新疆2000—2014年草地植被NPP具有一定的波动性变化, 并有小幅的下降趋势, 平均下降速率为 0.9467 g C·(m²·a)-1。其中在 2007 年达到最大值,为 64.751 g C·(m²·a)-1, 2006、2012、2014 年由于罕见的旱灾, NPP 值降到谷底, 分别为 g C·(m²·a)-1、54.438 g C·(m²·a)-1、54.213 g C·(m²·a)-1。不同的草地类型变化形式不一致, 平原草地呈减少趋势, 荒漠草地和草甸呈增加趋势, 高山亚高山草地和高山亚高山草甸变化不明显。

(3)新疆草地植被NPP与降水相关性显著, 主要呈正相关, 相关系数均值为 0.490, 其中高度相关占20.9%。与温度的相关性不是很显著, 主要呈负相关,相关系数均值为-0.252, 高度相关仅占 0.8%。不同的草地类型也存在差异, 与降水的总体表现为草甸＞高山亚高山草甸＞平原草地＞荒漠草地＞高山亚高山草地。草地类型与温度的高度相关均不明显, 由于新疆夏季炎热, 蒸发量大, 因此降水占植被生长的主导因素。

由于此次研究只有 8月份的实测数据, 因此本文研究了2000—2014年8月的新疆草地NPP, 具有一定的突发性, 会影响估算精度, 因此, 下一步研究应利用连续月的数据, 提高估算精度。另一方面,从研究结果可以看出, 新疆草地植被NPP与降水的相关性显著, 因此降水数据的精准性会很大程度上的影响草地植被NPP的估算, 本文的降水数据插值采用的克里金方法, 该方法需要站点数据均匀分布,用于新疆的研究有一定的误差, 还应当寻找误差更小的方法对气象数据进行处理, 以便提高今后研究的估算精度。由于植被NPP的变化不仅与气候因素有关, 还受到人为因素的干扰, 还应当考虑人类活动对草地植被NPP的影响。

致谢：在此感谢北京师范大学资源学院朱文泉老师在NPP算法模型上的帮助。

1] 陈利军, 刘高焕, 励惠国. 中国植被净第一性生产力遥感动态监测[J]. 遥感学报, 2002, 6(2): 129–135,164.

2] 沃笑, 吴良材, 张继平, 等. 基于 CASA 模型的三江源地区植被净初级生产力遥感估算研究[J]. 干旱区资源与环境, 2014, 28(9): 45–50.

3] 陈强, 陈云浩, 王萌杰, 等. 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, 25(10): 2811–2818.

4] 毛德华, 王宗明, 韩佶兴, 等. 1982-2010年中国东北地区植被 NPP时空格局及驱动因子分析[J]. 地理科学,2012, 32(9): 1106–1111.

[5] 任继周, 胡自治, 张自和, 等. 中国草业生态经济区初探[J]. 草业学报, 1999, 8(1): 12–22.

[6] KUN Tan, SHI Longpiao, CHANG Huipeng, et al. Satellite based estimation of biomass carbon stocks for northeast China’s forests between 1982 and 1999[J]. Forest Ecology and Management, 2007, 240: 114–121.

[7] 张伟科, 刘玉杰, 封志明, 等. 内蒙古天然草地生产潜力及其限制性研究[J]. 草地学报, 2008, 16(6): 572–579.

[8] RUIMY A, SOUGIER B, DEDIEU G. Methodology for the estimation of terrestrial net primary productivity from remotely sensed data [J]. Journal of Geophysical Research,1994, 99: 5263–5283.

[9] CHRISTOPHER SP, JAMES TR, CHRISTOPHER BF, et al. Terrestrial ecosystem production: A process model based on global satellite and surface data [J]. Global Biogeochemical Cycles, 1993, 7: 811–841.

[10] PRINCE SD, GOWARD SN. Global primary production: A remote sensing approach [J]. Journal of Biogeography,1995, 22: 815–835.

[11] RUNNING SW, HUNT E. Generalization of a forest ecosystem process model for other biomes, BIOME-BGC,and an application for global—scale models[A]. In:Ehleringer J R, ed. Scaling physiological processes: Leaf to globe[C]. San Diego, CA: Academic Press, 1993.141–158.

[12] 张美玲, 蒋文兰, 陈全功, 等. 草地净第一性生产力估算模型研究进展[J]. 草地学报, 2011, 19(2): 356–366.

[13] NAYAK, RABINDRA K, PATEL NR, et al. Estimation and analysis of terrestrial net primary productivity over India by remote-sensing-driven terrestrial biosphere model[J].Springer, 2010, 170(1–4): 195–213.

[14] WANG Fugui, Xu YJ, Dean TJ. Projecting Climate Change Effects on Forest Net Primary Productivity in Subtropical Louisiana,USA[J]. Springer, 2011, 40(5): 506–520.

[15] MOWLL W, M.BLUMENTHAL DM,CHERWIN K, et al.Climatic controls of aboveground net primary production in semi-arid grasslands along a latitudinal gradient portend low sensitivity to warming[J]. Oecologia, 2015, 177(4):959–969.

[16] 丁庆福, 王军邦, 齐述华, 等. 江西省植被净初级生产力的空间格局及其对气候因素的响应[J]. 生态学杂志,2013, 32(2): 726–732.

[17] LIU Chunyu, DONG Xiaofeng, LIU Yingying. Changes of NPP and their relationship to climate factors based on the transformation of different scales in Gansu, China[J].Catena, 2015, 125: 190–199.

[18] 杨红飞, 刚成诚, 穆少杰, 等. 近 10年新疆草地生态系统净初级生产力及其时空格局变化研究[J]. 草业学报,2014, 23(3): 39–50.

[19] 高健. 新疆方志文献研究[D]. 南京: 南京师范大学,2014.

[20] 新疆维吾尔自治区畜牧厅编. 新疆草地资源及其利用[M]. 乌鲁木齐市: 新疆科技卫生出版社, 1993.

[21] 李建龙. 新疆草地退化现状、原因及其防治对策[J]. 中国草地, 1992, 03: 17–21+16.

[22] 郑颖娟. 基于CASA模型的河北省净初级生产力遥感估算研究[D]. 河北: 河北师范大学, 2013.

[23] 朱文泉. 中国陆地生态系统植被净初级生产力遥感估算及其与气候变化关系研究[D]. 北京师范大学,2005.

[24] 朱文泉, 潘耀忠, 张锦水, 等. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3):413–424.

[25] 穆少杰, 李建龙, 周伟, 等. 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[J]. 生态学报,2013, 33(12): 3752–3764.

[26] 李燕丽, 潘贤章, 王昌昆, 等. 2000-2011年广西植被净初级生产力时空分布特征及其驱动因素[J]. 生态学报,2014, 34(18): 5220–5228.

[27] 刘卫国, 魏文寿, 刘志辉. 新疆气候变化下植被净初级生产力格局分析[J]. 干旱区研究, 2009, 26(2):206–211.

[28] 张山清, 普宗朝, 伏晓慧, 等. 气候变化对新疆自然植被净第一性生产力的影响[J]. 干旱区研究, 2010, 27(6):905–914.

[29] 吕光辉, 刘卫国. 新疆 20年生态系统净初级生产力研究[J]. 新疆大学学报(自然科学版), 2008, 25(1):8–13+22+127.

[30] 尹锴, 田亦陈, 袁超, 等. 基于 CASA 模型的北京植被NPP时空格局及其因子解释[J]. 国土资源遥感, 2015,27(1): 133–139.

Correlation analysis of the apatial-temporal variation of grassland net primary productivity and climate factors in Xinjiang in the past 15 years

REN Xuan1,2, ZHENG Jianghua1,2,*, MU Chen3,4,YAN Kai4,LIU Yiongqiang1,2, WEN Amin1,2, YANG Huifeng1,2
1. School of Resources & Environment Science, Xinjiang University, Urumqi 830046, China 2. Key Laboratory of Oasis Ecology, Urumqi 830046, China 3. Department of Grassland Resource, Xinjiang Uygur Autonomous Region, Urumqi 830046, China 4. Locust and Rodent Control Headerquarters of Xinjiang Uygur Autonomous Region, Urumqi 830001, China

In order to reveal effects of climate change on grassland productivity under different spatial and temporal patterns in Xinjiang, this paper explored the relationships between productivity of grassland and climate factors. It analyzed the spatial distribution of vegetation net primary production (NPP) calculated by the Carnegie-Ames-Stanford Approach (CASA) model with MOD13A1 data in August from 2000 to 2014. And it discussed the trends of the NPP of different grassland vegetation types and correlation analysis between the trends and the temperature-precipitation data. The results are as follows. (1) In termsof spatial aspect, the grassland NPP gradually reduced from north to south. And there were also big differences in various grassland types of NPP: meadow＞ alpine and sub-alpine meadow＞ plain grassland＞ alpine and sub-alpine grassland＞ desert grassland. (2) In terms of temporal aspect, the grassland NPP gradually reduced from 2000 to 2014. And NPP came to the bottom in 2006, 2012 and 2014 with the values of 50.520 g C·(m²·a)-1, 54.438 g C·(m²·a)-1, 54.213 g C·(m²·a)-1individually.3) Grassland NPP in Xinjiang was positively correlated with precipitation and had unremarkable negative correlation with emperature. It can be concluded that precipitation is the dominant climatic factor affecting vegetation NPP in the study region.

net primary productivity (NPP); CASA model; spatial pattern; climate factors; correlation

10.14108/j.cnki.1008-8873.2017.03.007

S812.1

A

1008-8873(2017)03-043-09

任璇, 郑江华, 穆晨, 等. 新疆近15年草地NPP动态变化与气象因子的相关性研究[J]. 生态科学, 2017, 36(3): 43-51.

REN Xuan, ZHENG Jianghua, MU Chen, et al. Correlation analysis of the apatial-temporal variation of grassland net primary productivity and climate factors in Xinjiang in the past 15 years[J]. Ecological Science, 2017, 36(3): 43-51.

2015-12-22;

2016-02-08

新疆维吾尔自治区治蝗灭鼠指挥部办公室委托项目—新疆草原生物灾害遥感监测(2016); 新疆维吾尔自治区青年科技创新人才培养工程项目（2016）; 新疆维吾尔自治区草原总站委托项目—基于遥感与GIS技术的新疆天然草原健康评价体系与估产建模研究(2015-2016)

任璇(1991—), 女(汉族), 新疆塔城人, 硕士研究生, 主攻草原生物灾害遥感监测。E-mail: 15276701891@163.com

*通信作者:郑江华(1973—), 男(汉族), 浙江江山人, 教授, 研究方向为地理信息科学与遥感应用。E-mail: zheng_jianghua@126.com