疏勒河流域土地利用变化对净初级生产力的影响

周妍妍, 郑续, 魏乐民, 郭建军, 岳东霞, *

疏勒河流域土地利用变化对净初级生产力的影响

周妍妍1, 郑续1, 魏乐民1, 郭建军2, 岳东霞1, *

1. 兰州大学, 资源环境学院, 兰州 730000 2. 中国科学院西北生态环境资源研究院, 沙漠与沙漠化重点实验室, 兰州 730000

研究区域土地利用变化对植被净初级生产力(NPP)的影响, 对厘清植被的生长状况及其和土地利用变化的关系, 以及维持区域生态环境可持续发展具有重要意义。以中国西北干旱区疏勒河流域为例, 基于土地利用数据和CASA模型计算的2001—2015年植被NPP数据, 分析了疏勒河流域NPP的时空变化特征, 探讨土地利用变化对植被NPP的影响。结果如下: 2001—2015年, 疏勒河流域NPP年总值整体上呈上升的趋势。NPP增加的区域占总面积的84.29%,上游山区和中下游绿洲区增加的最显著。NPP减少的区域占总面积的15.71%,主要分布于北部的肃北、敦煌的西部和南部及中下游绿洲的南北两侧。15年间土地利用的面积变化对NPP贡献率空间差异显著, 但总体上对NPP总量增加起到促进作用, 且耕地面积的变化对NPP总量的贡献率最大。

疏勒河流域; 土地利用; 净初级生产力; 时空变化

0 前言

土地利用和土地覆盖变化(LUCC)是全球变化的主要驱动因素, 它对人类和环境产生了深远的影响。人类在LUCC中的作用在过去几十年中变得更加突出[1]。有关对LUCC的研究表明人为活动已造成了地球地表大约三分之一到一半的面积发生变化[2]。特别是在干旱地区, 人类活动导致的LUCC, 会对区域的生物多样性、水质、土壤和碳循环以及生态系统支持人类需求的能力产生不利影响[3]。

植被净初级生产力(Net Primary Productivity, NPP)被定义为陆地生态系统的植被在单位时间和空间积累的有机物质总量, 它是通过光合作用吸收的碳量与通过呼吸释放的碳量之差计算出来的[4]。NPP可以反映植物群落在自然环境中的碳固存能力, 其数量的变化还能反映植被对土地利用变化的响应[5]。人类活动影响下的土地利用的变化会使生态系统变得脆弱[6], 增加温室气体排放[7]并减少碳储存, 直接影响生态系统的NPP。因此人类活动对NPP的影响可以通过土地利用变化对研究区NPP变化的影响表示。Zhou等[8]研究结果表明, 城市化带来的土地覆被变化造成NPP显著变化。Hu等[9]研究表明广州市人为活动引起的土地覆被剧烈变化, 例如天然林和农田转换为城乡建设用地, 导致整个净初级生产力变化。2016年姜春等[10]研究指出以城市扩张为主导的土地覆盖类型变化整体上降低了广东省的 NPP, 造成植被固碳能力的下降。高志强等[11]研究表明在土地类型变动的区域LUCC对NPP变化的贡献率约占97%。谢宝妮等[12]得出在黄土高原退耕区域, 2000—2010年间退耕还林还草生态工程导致的LUCC促进NPP显著增加的结论。成方妍等[13]研究表明2000—2012年北京市各土地类型面积变动显著影响区域NPP。然而, 在空间上展示土地利用变化对NPP的影响研究相对缺乏。

NPP的估算方法有很多, 现场观测是测量NPP的最传统方法, 主要包括直接收割、光合作用测定、PH测定和叶绿素测定等方法。遥感数据具有较高的时间和空间分辨率、实时性强和时间间隔短等优点, 因此是现今评估从区域到全球尺度植被NPP动态研究的主流方法。CASA模型(Carnegie-Ames-Stanford Approach)是利用光合有效辐射和考虑温度和降水量影响的光的利用效率进行NPP计算[14]。由于该模型在长时间和空间尺度上有效且准确地估计NPP, 近几十年中已被广泛应用北美, 南美, 欧亚大陆, 澳大利亚和非洲等区域[15-17]。

近年来, 疏勒河流域由于人类不合理生产活动, 造成区域自然景观割裂、土地荒漠化、湿地面积大量萎缩等问题, 景观格局了发生显著变化[18], 这些均能通过植被NPP体现出来。然而以往的研究多是探究NPP的时空变化格局, 对土地利用变化对NPP的影响仍不足。本文选取疏勒河流域为研究区, 基于CASA模型计算的NPP和遥感解译的土地利用数据,定量化分析了土地利用对NPP变化的贡献率。以期促进疏勒河流域土地资源的合理利用, 优化景观格局, 改善脆弱的生态系统环境。

1 研究区概况

疏勒河是我国河西走廊地区第二大内陆河, 地处极度干旱的河西走廊西端, 介于93°22′—98°59′E, 38°1′—142°47′N之间, 流域面积约为1.25×105km2, 海拔高度主要在1000—3500 m之间。除流域源头位于青海省德令哈市和天峻县外, 流域绝大部分位于甘肃省酒泉市, 行政区划上主要包括甘肃省的敦煌市、瓜州市、玉门市、肃北蒙古族自治县和阿克塞哈萨克族自治县及青海省的天峻县和德令哈市。流域上游山区山高坡陡, 水流急促, 具有典型的大陆性永久性冰川, 同时也发育大面积多年冻土, 是整个流域的水源涵养区和产流区。中、下游地势平坦, 绿洲与荒漠并存, 自然环境十分脆弱。降水由南向北逐级减少, 而温度从中部平原向南北两侧逐渐降低[18]。

2 研究方法与数据处理

2.1 数据来源及处理

利用CASA模型计算流域NPP, 需要的基础数据包括: 遥感数据、土地类型数据和气象数据。其中NDVI遥感数据来自NASA EOS/MODIS的2001—2015年MOD13Q1数据集, 其是250 m分辨率的16 d合成产品, 使用最大值合成法(MVC)生成月最大NDVI数据; 采用MOD17A3(空间分辨率为1000 m的总初级生产力年数据)NPP数据产品, 本文仅利用该数据对CASA模型估算的NPP进行验证。气象数据: 蒸散发和潜在蒸散发数据选自GLADS(Global Land Data Assimulation System, 全球陆面数据同化系统)数据集, 空间分辨率为25 km; 月均温、月降水和月太阳辐射数据来自中国科学院寒区旱区科学数据中心, 其空间分辨率为10 km; 数字高程数据(DEM)来自于中国地理空间数据云, 其空间分辨率是30 m。土地类型数据是根据2000、2005、2010和2015年疏勒河流域4期LandsatTM/ ETM+/OLI遥感数据, 利用ArcGIS10.3软件解译获得。将所有数据转换成相同的坐标系统, 重采样为1 km分辨率。

图1 研究区概况

Figure 1 Location of Shule River basin

2.2 研究方法

2.2.1 CASA模型

CASA模型使用NPP计算光合有效辐射并实现了光的利用效率[14]。其原理是通过太阳辐射量、NDVI、土地利用/覆被类型、气候气象数据等原始数据和最大光能转化率等经验数据, 来估算陆地的NPP, 该模型的计算方法详见文献[18]。

本文利用CASA模型计算2001—2015年逐月NPP的估算基础上, 将月NPP合成年NPP, 并进行精度验证。由于疏勒河流域NPP实测数据较少, 本文将疏勒河流域NPP与MOD17A3数据产品进行对比。

2.2.2 Mann-Kendall趋势分析法

曼—肯德尔法又称Mann-Kendall(MK)趋势分析法,是由曼（H.B.Mann）和肯德尔（M.G.Kendall）提出了原理并发展了方法。在气象学、生态学和水文学中, MK趋势分析在长时间序列趋势判定中被广泛使用, MK检验也是比较常用的植被长时间序列趋势变化显著性分析的方法。据此,本研究利用MK趋势分析方法对疏勒河流域近15年来的NPP长时间序列趋势分析, 再进行显著性检验,从而可以定量计算出NPP变化趋势的显著状况。具体的计算方法见文献[18]。

2.2.3 土地利用变化对NPP的影响

土地利用对区域NPP的影响可以通过计算土地利用面积的变化对NPP变化贡献率()来计算[19]:

其中,1和1表示某个时段起初的NPP总量和土地利用总面积, 本文利用2000年的NPP由2001年

的来替代, 下文同样; Δ×Δ分别为某一时段的NPP变化量和土地利用变化面积; Δ×1表示土地利用面积的变化对NPP总量的影响。

3 结果

3.1 CASA模型计算NPP的结果验证

利用MOD17A3产品处理获得疏勒河流域2001—2015年NPP的多年平均数据, 发现其结果与本研究模拟值之间的拟合效果较好, R2为0.75(P<0.01) (图2), 说明CASA模型计算NPP在干旱区疏勒河流域适用, 可为之后的研究提供基础数据。

3.2 疏勒河流域NPP计算结果

3.2.1 疏勒河流域2001—2015年NPP时空分布特征

在时间上, 2001—2015年, 疏勒河流域NPP年总值呈现出明显波动上升的趋势。2012年NPP值最大, 为63.12 gC·m-2·a-1, 2001年值最小, 为44.41 gC·m-2·a-1(图3)。

图2 本文模拟值与MOD17A3产品的比较

Figure 2 Comparison of the simulation with the MOD17A3 product

图3 2001—2015 年疏勒河流域 NPP 变化趋势

Figure 3 Trends of NPP in the Shule River Basin from 2001 to 2015

在空间上, 疏勒河流域每一个栅格2001—2015年NPP主要分布在0—50 gC·m-2·a-1之间, 全流域多年NPP约为54.94 gC·m-2·a-1(图4)。流域上游地区NPP为本流域最大, 中游城乡地区由于农业用地灌溉, 水资源较丰富, NPP也较大。中下游地区NPP整体小于上游地区, 尤其是荒漠戈壁地区NPP为最小, 接近于0 gC·m-2·a-1, 主要分布于敦煌的西部, 瓜州的北部和北部的肃北等地区。

3.2.2 2001—2015年植被NPP的时空变化特征分析

本文在Matlab软件平台下,采用MK方法对疏勒河流域2001—2015年NPP变化趋势进行分析。为确保变化趋势具有统计意义,统计每个栅格95%置信度水平下显著性。疏勒河流域NPP的MK空间趋势如图5所示,流域中呈增加趋势的面积大于呈减小趋势的面积。NPP增加的区域占全流域总面积的84.29%, 其中主要位于绿洲区及南部的肃北县和天峻县的大部分区域、阿克塞县的东部和南部。NPP减少的区域占总面积的15.71%, 主要分布于北部的肃北、敦煌的西部和南部及中下游绿洲的南北两侧。然而,诸如过度放牧、地下水超采、水资源利用过渡等人类活动的加剧是导致流域植被退化的主导因素[20]。此外,由于该区域蒸发量大、降水量年际变化大, 土地用途也不断增加, 这也对植被退化有着巨大的潜在影响[21]。

注: 中国科学院寒区旱区科学数据中心的气象数据在流域的最北部有缺失, 所以NPP结果在流域最北部有缺失, 下同。

Figure 4 Spatial distribution of mean annual NPP of Shule River basin in 2001-2015

3.3 疏勒河流域土地利用变化对NPP变化的影响

3.3.1 土地利用的变化分析

基于ArcGIS空间分析功能计算出2000—2015年土地利用的转移矩阵, 研究16年间土地利用及NPP的变化情况。

2000—2015年耕地、草地、水域和城乡居民建设用地扩大, 其中耕地与城乡居民建设用地增加的幅度最大, 增幅分别为34.10%和35.01%（表1）。林地和未利用地面积都呈现减少态势, 减幅分别为1.26%和0.56%。居民点、水库和耕地等人为干扰景观的增多对流域土地利用影响将逐渐增强。耕地在2000—2015年间, 主要向草地和城乡居民用地转化, 转移面积分别为15.01 km2和12.36 km2, 转移概率分别为1.21%和1.0%。耕地NPP 的变化率最大, 为0.29%; 林地和草地主要表现向耕地转移, 转化面积分别为18.92 km2和165.75 km2, 转移率分别为2.99%和0.62%, NPP 的变化率也较大, 分别为0.22%和0.21%; 城乡居民建设用地最小但变化最大, 主要转出到耕地, 转移概率为4.1%,NPP年际变化率为0.13%;未利用地面积呈逐年减少的趋势, 主要转向耕地和草地, NPP年际变化率最小, 为0.13%。由于21世纪以来, 疏勒河流域大力实施“三北防护林”、“防沙治沙”、“平原绿化”等生态环境工程, 人工林面积增大, 遏制了生态的退化[22]。

图5 疏勒河流域NPP的MK趋势分析

Figure 5 MK trend analysis of NPP in the Shule River Basin

表1 2000—2015年疏勒河流域土地利用转移矩阵及相应的NPP变化 单位: km2

3.3.2 土地利用变化对NPP变化的影响分析

从时间上来看(图6), 2000—2005年, 土地利用变化促进NPP的增加, 面积变化使NPP增加1.156 TgC, 贡献率为2.49%; 2005—2010年, 土地利用变化促进NPP增长0.229 TgC, 贡献率为7.18%, 为各时间段最大; 2010—2015年间, 土地利用的变化导致NPP减少6.889 TgC, 贡献率为0.29%; 2000-2015年, 土地利用整体变化对NPP起到促进作用, NPP增加2.106 TgC, 贡献率为2.37%。

图6 不同土地利用面积变化对NPP变化的贡献率

Figure 6 Contribution rate of different land use area changes to NPP changes

2000—2015年间土地利用面积的变化对NPP变化的贡献率空间分布差异较为明显(图7)。呈条带状分布于中下游的绿洲区, 其值相对较高。这是由于人类活动如构建了形状复杂的人工林, 建筑用地和交通用地的增加, 直接影响了NPP的变化。低值的区域主要位于马鬃山及山前冲积扇的荒漠戈壁区域, 接近于0。上游祁连山区及瓜州和肃北县交界线两侧区域土地利用面积变化对NPP的贡献也较明显。

4 讨论

各土地利用的面积变化直接影响NPP增减, 但不同土地利用变化的影响因素各异, 导致NPP变化存在差异。由图6可知, 虽然耕地仅占流域总面积的1%, 但耕地对NPP的贡献率最大, 其中, 2005—2010年贡献率最大, 占NPP变化总量的41.18%。徐佩[23]研究也同样表明, 农田始终贡献了上海市净初级生产力总量的大部分。这可能与研究区耕地面积持续增加及农作物的品种变化及产量提高有关。林地面积的变化对NPP的贡献率呈现先增加后减小的趋势, 2005—2010年达到最大, 贡献率是16.61%。这是由于退耕还林还草以来, 新种植的小树苗多为幼林, 生命力旺盛, NPP产出较高。然而近些年来长时间聚集生长森林多为低产的中龄林进而引起NPP产量呈现下降趋势[24-25]。由表1可知, 林地面积有所减小, 但考虑到林地面积变化对NPP的贡献, 当前林地面积的减少趋势不容乐观。草地面积15年间变化最小, 其变化量对NPP的贡献率较大。近些年来, 流域人口的增加和城镇化的发展, 城乡居民建设用地面积增加, 尤其是2010—2015年最为明显, 导致该时间段土地利用面积变化对NPP总量贡献率高达19.13%。这与姜春[10]研究结果相似, 以城市扩张为主导的广东省土地覆盖类型变化整体上造成NPP的总量变化, 主要来自林地和耕地向低生产力土地覆盖类型的转换, 尤其是被城市用地占用。2000—2015年, 流域的未利用地面积持续减少, 促进NPP持续增加。其中2005—2010年贡献率为最大8.76%, 未利用地大面积转换为耕地和草地, NPP总量增加。然而这与高志强[11]研究有所不同, 中国北方大量的其他土地利用类型被开垦为耕地, 进而被占用成为建设用地, 导致草地、林地、未利用土地及水域等天然土地利用类型减少, 影响了区域土地净生产力的积累, 使本研究区域1981-2000年因为土地利用的变化导致NPP减少。从2000年开始, 我国在西部环境恶劣区域实施退耕还林还草工程, 大量的耕地转换为了林地和草地, 改善了生态环境。因此在不同时间段, 土地利用变化对NPP的影响会有所差异。鉴于各土地利用的类型和面积变化对疏勒河流域 NPP 具有明显的影响, 应合理调整各用地类型的结构, 以通过区域的规划建设来实现NPP的增长。

图 7 2000—2015年土地利用面积的变化对NPP变化的贡献率分布图

Figure 7 Spatial distribution of contribution rate of land use change to NPP change from 2000 to 2015

5 结论

本文基于CASA模型计算2001—2015年植被的NPP, 并进行验证, 分析空间分布规律。然后, 研究流域长时间尺度的植被NPP时空变化特征。最后, 通过计算土地利用面积的变化对NPP总量变化的贡献率来分析土地利用的变化对NPP影响。结论如下:

2001—2015年,疏勒河流域NPP年总值呈现出明显波动上升的趋势。NPP空间分布呈现南高北低, 区域性分布特征明显,即上游的祁连山区和中下游的绿洲区NPP较高,其余荒漠戈壁区NPP较低。NPP增加的区域占全流域总面积的84.29%, 其中主要位于绿洲区及南部的肃北县和天峻县的大部分区域、阿克塞县的东部和南部。NPP减少的区域占总面积的15.71%, 主要分布于北部的肃北、敦煌的西部和南部及中下游绿洲的南北两侧。15年间土地利用的面积变化对NPP贡献率空间差异显著,但总体上对NPP总量增加起到促进作用, 且耕地面积的变化对NPP总量的贡献率最大。因此, 研究土地利用变化对陆地生态系统NPP的影响将提高碳预算的可靠性, 同时加深对气候变化,人类活动和生态系统之间相互作用的理解。

[1] WIJITKOSUM, S. The impact of land use and spatial changes on desertification risk in degraded areas in Thailand[J]. Sustainable Environment Research, 2016, 26(2), 84–92.

[2] VITOUSEK P, MOONEY H, LUBCHENCO J, et al. Human domination of Earth ecosystems[J]. Science, 1997, 277(5325): 494–499.

[3] VADREVU K, JUSTICE C, PRASAD T, et al. Land cover/land use change and impacts on environment in South Asia[J]. Journal of Environmental Management, 2015, 148: 1–3.

[4] WANG Hong, LI Xiaobing, LONG Huiling, et al. Monitoring the effects of land use and cover changes on net primary production: A case study in China's Yongding River basin[J]. Forest Ecology and Management, 2009, 258(12): 2654–2665.

[5] PENG Dailiang, HUANG Jingfeng, HUETE A, et al. Spatial and seasonal characterization of net primary productivity and climate variables in southeastern China using MODIS data[J]. Journal of Zhejiang University Science B, 2010, 11(4): 275–285.

[6] XIAO Tong, WANG Junbang, CHEN Zhuoqi. Vulnerability of grassland ecosystems in the Sanjiangyuan region based on NPP[J]. Resources Science, 2010, 32(2): 323–330.

[7] ZAEHLE S, BONDEAU A, CARTER T R, et al. Projected changes in terrestrial carbon storage in Europe under climate and land-use change, 1990–2100[J]. Ecosystems, 2007, 10(3): 380–401.

[8] ZHOU Yanlin, XING Bailing, JU Weimin. Assessing the Impact of Urban Sprawl on Net Primary Productivity of Terrestrial Ecosystems Using a Process-Based Model—A Case Study in Nanjing, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2017, 8(5): 2318–2331.

[9] HU Yonghong, JIA Gensuo, GUO Huadong. Linking primary production, climate and land use along an urban–wildland transect: a satellite view[J]. Environmental Research Letters, 2009, 4(4): 044009.

[10] 姜春, 吴志峰, 程炯, 钱乐祥. 广东省土地覆盖变化对植被净初级生产力的影响分析[J]. 自然资源学报2016, (6): 961–972.

[11] 高志强, 刘纪远, 曹明奎, 等.土地利用和气候变化对区域净初级生产力影响[J]. 地理学报, 2004, 59(4): 581– 591.

[12] 谢宝妮, 秦占飞, 王洋, 等. 黄土高原植被净初级生产力时空变化及其影响因素[J]. 农业工程学报, 2014, 30(11): 244–253．

[13] 成方妍, 刘世梁, 张月秋, 等. 基于MODIS序列的北京市土地利用变化对净初级生产力的影响[J]．生态学报, 2017, 37(18): 5924–5934.

[14] POTTER C, KLOOSTER S, MYNENI R, et al. Continental-scale comparisons of terrestrial carbon sinks estimated from satellite data and ecosystem modeling 1982–1998[J]. Global and Planetary Change, 2003, 39(3-4): 201–213.

[15] HICKE J, ASNER G, RANDERSON J, et al. Trends in North American net primary productivity derived from satellite observations, 1982-1998[J]. Global Biogeo­chemical Cycles, 2002, 16(2): 2-1-2-14.

[16] PIAO S L, FANG J Y, CIAIS P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458 (7241): 1009–1013.

[17] TANG Chuanjiang, FU Xinyu, JIANG Dong, et al. Simulating spatiotemporal dynamics of sichuan grassland net primary productivity using the CASA model and in situ observations[J]. The Scientific World Journal, 2014, 2014: 956–963.

[18] 周妍妍. 人类活动对疏勒河流域景观格局和净初级生产力的影响研究[D]. 兰州: 兰州大学, 2019.

[19] FU Yingchun, LU Xueyu, ZHAO Yaolong, et al. Assessment impacts of weather and Land Use/Land Cover (LULC) Change on urban vegetation Net Primary Productivity (NPP): A case study in Guangzhou, China[J].Remote Sensing, 2013, 5(8): 4125–4144.

[20] ZHANG Xiaoyou, WANG Xunming, YAN Ping. Re-evaluating the impacts of human activity and environmental change on desertification in the Minqin Oasis, China[J]. Environmental Geology, 2008, 55(4):705.

[21] 潘竟虎, 黄克军, 李真．2001～2010年疏勒河流域植被净初级生产力时空变化及其与气候因子的关系[J]．生态学报, 2017, 37(6):1888-1899．

[22] 潘竟虎, 胡艳兴. 疏勒河中下游近35年土地利用与景观格局动态[J]. 土壤, 2014, 46(4): 742–748．

[23] 徐佩. 上海市土地利用/土地覆盖变化对城市植被净初级生产力的影响[D]. 上海: 华东师范大学, 2015.

[24] 王光华.北京森林植被固碳能力研究[D]. 北京: 北京林业大学, 2012.

[25] LUYSSAERT S, SCHULZE E D, BÖRNER A, et al. Old-growth forests as global carbon sinks[J]. Nature, 2008, 455(7210): 213–215.

Effects of land-use change on net primary productivity in the Shule River Basin

ZHOU Yanyan1, ZHENG Xu1, WEI Lemin1, GUO Jianjun2, YUE Dongxia1,*

1. College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China 2. Key Laboratory of Desert and Desertification, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

Researching the impact of land use change on net primary productivity (NPP) in the study area is of great significance for clarifying vegetation growth status, the relationship between NPP and land use changes and maintaining the sustainable development of regional ecological environment. Taking the Shule River Basin in the arid region of Northwest China as an example, we analyzed the spatiotemporal distribution of NPP, and the impact of landuse changes based on NPP of vegetation by the CASA model and land use maps from 2001 to 2015. The results showed the total annual NPP of the Shule River Basin showed an overall upward trend from 2001 to 2015. The area with increased NPP accounted for 84.29% of the total area, and the increase in the upper mountainous area and the middle and lower oasis areas was the most significant. The area with reduced NPP accounted for 15.71% of the total area, mainly distributed in the north of Subei, the west and south of Dunhuang, and the north and south sides of the middle and lower oasis.There was a significant spatial difference in the contribution rate of land use change to NPP. In general, the change of land use promoted the increase of the total amount of NPP, and the change of cultivated land area had the largest contribution rate to the total amount of NPP.

Shule River Basin; land use; net primary productivity; spatiotemporal variation

10.14108/j.cnki.1008-8873.2021.05.013

K903

A

1008-8873(2021)05-102-07

2020-03-19;

2020-03-30基金项目:国家自然科学基金项目(41671516, 41701623); 国家重点研发计划项目(2017YFC1501005); 国家地质调查局(DD20189270)

周妍妍(1992—), 女, 河北邯郸人, 博士, 主要从事生态安全评价研究, E-mail: yyzhou16@lzu.edu.cn

通信作者:岳东霞, 女, 博士, 教授, 主要从事生态安全评价研究, E-mail: dxyue@lzu.edu.cn

周妍妍, 郑续, 魏乐民, 等. 疏勒河流域土地利用变化对净初级生产力的影响[J]. 生态科学, 2021, 40(5): 102–108.

ZHOU Yanyan, ZHENG Xu, WEI Lemin, et al. Effects of land-use change on net primary productivity in the Shule River Basin[J]. Ecological Science, 2021, 40(5): 102–108.