一、Estimation of net primary productivity in China using remote sensing data（论文文献综述）
王智[1]（2021）在《基于CASA模型的杭州市森林碳储量时空变化及影响因子研究》文中进行了进一步梳理森林是陆地生态系统的主体,亦是最大的碳库,对森林生态系统碳储量进行研究,对调节全球碳平衡、减缓大气中二氧化碳等温室气体浓度上升趋势以及维持全球气候变化稳定性等方面都有着不可忽视的作用。本研究以杭州市森林为研究对象,基于遥感影像数据、气象数据和浙江省森林资源连续清查数据,采用CASA模型对2004-2014年杭州市森林碳储量进行估算,并从自然条件和人类活动干扰的角度对森林碳储量的影响因子进行探讨。为快速城市化地区森林生态系统有效管理以及碳储量变化提供科学的数据基础,为区域降低固碳风险、提高生态效益提供科学依据。研究结果如下:（1）从森林碳储量时空特征来看,2004-2014年间杭州市森林碳储量从2.28×107 t增加到2.43×107 t,表明森林固碳能力不断增强。森林碳储量在空间分布上呈现出西高东低、南高北低的空间分布特征。森林碳密度处于低值区和较低值区的森林面积约占总面积的50%,一方面反映出杭州市总体森林质量不高的现实,另一方面也体现了杭州市森林资源提质增效潜力巨大。不同森林类型的碳储量差异显着,硬阔林、杉类和松类是杭州市森林碳储量的主要来源,各森林类型碳密度从高到低总体表现出软阔林>硬阔林>针阔混交林>杉类>竹林>松类>灌木林的特点。（2）从地形因子对森林碳储量的影响来看,不同高程分级下的森林碳密度值由高到低呈现出中山>低山>高山>丘陵>平原的特点,总体表现出森林碳密度随着海拔升高而增加的趋势。不同坡度分级的森林碳密度值由高到低呈现出急陡坡>急坡>险坡>陡坡>斜坡>缓坡>平坡的特点,总体表现出森林碳密度随着坡度升高而增加的趋势。不同坡向分级的森林碳密度值由高到低呈现出东南向>西向>东向>西南向>东北向>南向>北向>西北向的特点,总体表现出阳坡大于阴坡的趋势,而各坡向的森林碳储量值差异较小。（3）从土壤类型对森林碳储量的影响来看,不同土壤类型下的森林碳密度值高到低总体呈现出黄棕壤>黄壤>山地草甸土>石灰（岩）土>红壤>棕壤>紫色土>暗棕壤>水稻土>粗骨土>褐土>潮土>滨海盐土的特点,红壤、黄壤和石灰（岩）土地区的森林碳储量是杭州市森林碳储量的主要构成部分。（4）从人类活动强度对森林碳储量的影响来看,杭州市共有53.83%的森林,其碳储量与人类活动强度呈现负相关,人类活动强度越高的地区,森林碳储量更趋向于减少。与此同时杭州市仍有46.17%的森林,其碳储量与人类活动强度呈正相关,该地区多是杭州市生态公益林、森林公园、风景名胜区的主要分布地,表明在人类活动对森林干扰不断增多的背景下,杭州市对森林的保护管理和适度良性开发卓有成效。（5）从人类活动强度对森林碳储量的影响来看,杭州市森林碳储量与人类活动强度呈现负相关的森林面积占总森林面积的53.83%,人类活动强度越高的地区,森林碳储量更趋向于减少。与此同时杭州市仍有占森林总面积46.17%的森林,其碳储量与人类活动强度呈正相关,该地区多是杭州市生态公益林、森林公园、风景名胜区的主要分布地,表明在人类活动对森林干扰不断增多的背景下,杭州市对森林的保护管理和适度良性开发卓有成效。
刘华[2]（2021）在《亚热带植被覆盖度和净初级生产力时空演变及气候驱动》文中研究说明植被覆盖度（Fractional Vegetation Cover,FVC）是反映地表植被生长分布及区域环境质量的重要指示参数,其在评价区域生态系统结构和功能方面具有重要的作用,而亚热带植被在全球生态系统碳循环以及维持系统碳平衡中的作用越来越受到人们的重视。中国亚热带地区植被类型复杂多样且分布广阔,四季生长,生物多样性丰富,是我国主要的农林生产基地;同时,区域内也存在着林分质量普遍较差,森林生产力、产出率都比较低等突出问题,并且亚热带植被及其生态功能对全球气候变化非常敏感。因此,监测亚热带地区FVC的时空演变特征,阐明FVC对气候变化的响应规律,探讨气候变化背景下FVC对植被净初级生产力（Net Primary Productivity,NPP）的影响机制,对亚热带地区植被的可持续经营和生产力的提高、环境保护以及资源的合理配置等方面都具有重要的参考意义。本研究以中国亚热带植被为研究对象,以2001-2018年的MODIS地表反射率（MOD09A1）等遥感数据作为数据源,利用像元二分模型获取亚热带地区的FVC并分析其时空演变特征;然后,结合同时期气象数据,利用偏相关分析法和偏导数模型分析气候因子对FVC的影响;最后,基于MODIS土地覆被类型、叶面积指数（Leaf Area Index,LAI）和气象等数据驱动BEPS模型,模拟2001-2018年亚热带地区植被的NPP,并分析气候变化背景下亚热带FVC对植被NPP时空演变的影响。通过研究主要得到以下3个方面的结论:1、亚热带FVC时空动态变化特征方面。（1）2001-2018年我国亚热带地区的FVC呈显着增长趋势,且年际变化波动整体较小,基本保持在一个较为稳定的状态。（2）从FVC的空间分布格局上看,亚热带东部地区的植被覆盖水平整体都高于西部地区;亚热带地区有超过70%的区域FVC为高覆盖和中覆盖,其中,FVC近20年来呈增加趋势的区域面积比例为76.28%,而有23.72%的区域FVC呈减少趋势。2、亚热带FVC对气候因子的响应方面。（1）偏相关分析结果显示,年均最低温和年降水量对亚热带地区FVC的增长产生积极影响的区域分别占研究区面积的62.06%和55.26%,而亚热带地区有58.12%的区域呈现出年均最高温对FVC有消极影响。（2）基于偏导数模型的贡献分析结果表明,年均最低温是影响中国亚热带FVC动态变化的主要气候贡献因子,且影响各地区FVC变化的主要气候因子不同,部分地区FVC变化还会受到多个气候因子的共同作用。3、气候变化背景下亚热带植被NPP时空演变及其对FVC的响应方面。（1）近20年来亚热带植被NPP整体呈现“南高北低、东高西低”的空间分布格局。（2）从时间上看,亚热带植被NPP的年均值随时间整体呈上升趋势,且变化波动较为稳定。（3）年均最低温是影响亚热带地区植被NPP动态变化的主要气候贡献因子;其中,亚热带地区分别有53.05%和71.17%的区域呈现年均最高温和年降水量对植被NPP有积极影响,而有56.20%的区域呈现年均最低温对植被NPP有消极影响。（4）亚热带地区植被NPP与FVC之间的平均相关系数为0.04,其相关性在空间上存在“南正北负、东正西负”的分布差异,并且中覆盖区和高覆盖区的FVC与植被NPP之间的相关性最强。
陈全[3]（2021）在《喀斯特石漠化地区生态资产遥感评估及时空演变机制研究》文中指出自20世纪以来,随着对自然资本价值的认识以及可持续发展机制研究的不断深入,对自然资源和生态系统服务为核心的生态资产估算需求日益迫切。喀斯特石漠化地区由于受复杂地表与光学卫星成像条件的限制,区域生态环境遥感长期以来面临着混合像元现象严重、高质量光学遥感影像缺失等瓶颈问题,传统基于像元/格网尺度的定量遥感研究方法无法满足区域生态资产精准评估、时空演变机制挖掘以及生态修复决策支持的需求目标,引入遥感图谱认知的前沿理论与方法开展喀斯特石漠化地区生态资产时空演变评估研究具有重要的理论与现实意义。本研究以贵州省关岭-贞丰花江石漠化治理示范区为典型研究区,以遥感图谱认知理论的“图谱耦合”思想和地理图斑智能计算模型“分区分层感知—时空协同反演—多粒度决策”的方法论为指导,从生态资产质量与生态资产服务功能维度出发构建了喀斯特石漠化地区生态资产时空演变评估框架,按照“空间—时间—属性”的线性认知过程,深度探索融入地貌分区控制的生态资产基本地理空间单元解构,开展多源数据协同的关键生态因子反演计算与生态资产时空动态评估,并基于经典地理空间分析方法挖掘生态资产时空演变模式与驱动机制,初步实现对区域近20年来生态资产“位置—结构—指标—演化”的深层理解。主要研究结果如下:（1）针对生态资产遥感评估与时空演变研究的理论背景深入分析,从评估与挖掘喀斯特石漠化地区近20年来生态资产时空演变的角度出发,构建了基于遥感图谱认知理论和地理图斑智能计算模型的生态资产时空演变评估框架,提出了深度融入地貌分区控制的生态资产地理单元解构、多源数据协同的生态资产时空动态评估、基于地学空间分析的生态资产时空演变格局理解和驱动机制揭示等关键问题,为按照“空间—时间—属性”的维度递进开展生态资产时空演变机制研究奠定理论基础。（2）在分析传统生态环境定量遥感研究方法长期存在的问题与短板的基础上,论述了以具有明确地理意义的基本空间单元为空间基准开展喀斯特石漠化地区生态资产时空演变机制研究的必要性,提出了基于分区分层感知模型的喀斯特石漠化地区基本空间单元解构思路,并基于高精度DEM与高分辨率遥感影像,实现了区域地貌单元、地理单元与地理图斑/地块三级基本空间单元的解构。（3）针对喀斯特石漠化地区脆弱生态环境特征,基于生态资产“存量（stock）”和“流量（flow）”的理论内涵和去价值化的系统评估思路,系统构建了以生态系统类型与数量、NPP植被净初级生产力、岩石裸露率、植被覆盖度等关键生态因子驱动的生态资产质量与服务功能状况评估模型和生态资产综合指数评估模型,完成不同监测期生态资产质量与服务功能等级划分以及地理单元尺度下区域2000-2018年的生态资产综合评估。（4）围绕喀斯特石漠化地区生态资产时空演变机制理解的目标,以地理单元与地貌单元为基准,将经典地理空间分析方法引入生态资产时空演变机制研究中,从生态资产时空变化格局和生态资产时空变化驱动机制分析两个方面,分别叠加2000-2018年生态资产变化“图”和驱动因素作用“图”,实现了对不同时间阶段、不同空间尺度下喀斯特石漠化地区生态资产时空演变格局及驱动机制的阐述和揭示,为区域生态治理与修复提供理论基础与科技支撑。
姚科[4]（2021）在《西安市域绿地碳汇效益影响因素研究》文中提出中国在联合国大会上提出,二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现“碳中和”。此后中央经济会议又将“碳达峰”列入了2021年八大工作重点之一。绿地作为城市内重要的自然碳汇一直被广泛关注,然而目前针对碳汇的研究主要集中在碳汇的时空变化特征和碳汇的估算方面,对于如何调整绿地使其发挥较大的碳汇效益却鲜有研究。由于在绿地系统层级中,除了绿地的面积变化对碳汇具有影响外,绿地的连续性、均衡性和其形态特征是影响绿地碳汇效益的主要原因,因此本文从这三个角度出发,利用景观指数量化市域绿地的空间布局结构和其形态特征,研究绿地的空间布局结构和形态特征对于碳汇的影响,希望找出对市域碳汇效益的主要影响因素。本文首先对西安市的城市总体规划进行解读,归纳整理总体规划中对于绿地的各项指标,并分析其存在的问题。其次一方面利用CASA模型和遥感数据等核算西安市域最后一次总体规划以来10年间市域内林地、耕地和城市绿地的碳汇,另一方面利用景观指数量化林地、耕地和城市绿地的空间布局结构和形态特征。将两方面结合进行对比,分别分析出影响林地、耕地和绿地碳汇效益的影响因素,以及其影响机制。并得出以下结果:（1）西安市域绿地的月平均碳汇呈现由南至北递减,其中林地碳汇最高,城市绿地其次,耕地碳汇最低。（2）林地面积从2005年至2010年呈缓慢减少,从2010年至2017年开始快速增加,在整个规划期内增长了35449公顷,年均增长率0.27%;城市绿地面积从2005年开始稳步增长,增长面积为17096公顷,年均增长率0.13%;耕地面积在规划期内呈持续下降趋势,至2017年,已有76629公顷的耕地消解。（3）市域绿地碳汇的影响因素主要是绿地的聚集度、破碎度、均匀度和斑块形状四个。在相对应的阈值范围内,市域内的城市绿地和耕地的斑块越完整,分布越集中,越均匀,斑块形状越复杂,则其碳汇效益越高;林地的斑块越破碎,分布越分散,越不均匀,形状越复杂其碳汇效益越高。
李凡[5]（2021）在《集成机器学习的植被参数反演及应用研究》文中提出植被不仅是陆地生态系统的重要组成部分之一,同时在调节全球碳元素的动态平衡、维持全球气候稳定和研究全球气候变化等方面也有着举足轻重的作用。植被参数不仅能从多方面表征植被特征,同时也可以分门别类的对植被从多种角度进行细致的研究讨论。在植被的光合作用和呼吸作用中,水分也是至关重要的主体和参与者,植被含水量的改变不仅直接反映了植被自身的生物物理基础过程,同时这些生物物理基础过程也与全球范围内的水循环和碳循环有着密不可分的关系;植被净初级生产力NPP（Net Primary Productivity）在调节世界范围内的气候变化中扮演着重要的角色;植被物候的发展变化不仅会影响植物生物量大小,还会影响到全世界大气中CO2的浓度含量,进而可能会对全球气候变化和全球碳循环产生重要影响。目前基于遥感技术对于植被参数的反演模型大致可以分为两大类:传统经验反演模型和物理反演模型:传统经验反演模型虽然结构简单但是结果精度有限;而物理反演模型虽然具有扎实的科学技术理论基础,但模型输入参数繁杂难获取、普适性不高。本文选择四川省作为研究区域、以MODIS卫星遥感影像数据和部分实测数据、气象数据作为主要数据源,在植被参数的反演过程中引入了机器学习的方法模型,不仅构建了基于机器学习的植被参数反演模型,同时还研究植被参数对气候变化的响应关系。本文的主要研究内容和结论如下:（1）植被燃料含水量的反演本文研究植被燃料含水量FMC（Fuel Moisture Content）时引入了机器学习模型,选取两类方法:基于植被水分指数的反演方法和四种机器学习方法模型,利用两类方法模型分别反演植被燃料含水量FMC,并对比四种机器学习方法的反演精度,取最佳的XGBoost模型对研究区域四川省进行植被燃料含水量FMC结果图的反演,并且对其进行时空分析研究。（2）植被净初级生产力的反演本文研究植被净初级生产力NPP选取的方法模型:光能利用率CASA模型。利用CASA模型对研究区域四川省进行NPP反演,并与遥感产品数据进行对比分析,同时对CASA模型的反演结果进行时空分析研究。（3）植被物候的反演本文研究植被物候引入了机器学习模型,选取两类方法:传统方法阈值法和GBDT（Gradient Boosting Decision Tree）机器学习方法,利用两种方法模型分别反演同一研究地区四川省的植被物候并进行结果对比,同时对GBDT机器学习方法模型的反演结果图进行时空分析研究。（4）植被参数对气候变化的响应本文对于三种植被参数与气候变化之间响应关系进行研究与分析,分别研究了四川省区域在2011年-2015年间植被燃料含水量FMC、植被净初级生产力NPP、植被物候分别对于气温和降水变化的响应。
谭淼[6]（2020）在《基于多源遥感数据三峡库区重庆段建成区扩张及其植被NPP影响研究》文中提出随着城市发展的不断推动,城市空间出现了显着的动态变化。建成区作为城市空间的重要构成要素,也是城市空间演变动态的重要表现形式,其在城市化进程中表现出数量和规模快速增长的趋势。植被净初级生产力作为表征碳循环的重要指标,能够反映出区域植被群落生产能力以及陆地生态系统的质量状况,然而,建成区的扩张在很大程度上影响了NPP的变化轨迹。从全球或者区域尺度研究人类活动导致的建成区变化及其对植被NPP的影响,不仅有利于加深对全球碳循环及其调节机制的了解,而且对城市的土地利用和区域生态规划具有重要意义。本研究将三峡库区重庆段作为研究区域,以2000-2015年的夜间灯光数据、重庆市统计年鉴作为基本数据,对建成区进行提取,运用ArcGIS软件和各类指数对建成区扩张特征加以分析,并通过MOD17A3数据分析三峡库区重庆段2000-2015年植被NPP的时空分布情况及变化特征,进而深入探讨研究区内建成区发展规模与程度上的改变对植被NPP的影响。研究结果表明:（1）以2013年NPP/VIIRS数据为基础数据,将其与对应年份呢的DMSP/OLS数据进行拟合,通过获取的模拟方程得到对应时期的DMSP/OLS数据,并且通过空间分布以及各像元数据相关性、标准差的分析,认为模拟效果较好,该整合方法切实可行,研究得到了2000-2015年的连续夜间灯光数据集。（2）2000-2015年库尾区的建成区以北为扩张方向,而库腹的建成区扩展主要在北东北地区和南西南地区;建成区重心主要分布在渝北区,说明建成区发展方向逐渐向北移动;研究区紧凑度指数均不到0.1,呈现先降后增再降的趋势,建成区形态变化呈现出“离散-聚集-离散”的演变规律;城市边界分维数在2000-2003年期间的变化波动较大,先增后减,在2003-2013年间,建成区扩张的分维数较平稳,在2014年和2015年,建成区扩张表现出明显的外部延申式发展。（3）结合高程加以分析,建成区主要在分布在丘陵地区,面积占比在78%-83%范围浮动,其次是平原地区和低山地区,面积占比分别在15%和5%左右。从坡度角度分析,主要分布在斜坡地区,平均面积占比在43%左右,陡坡和缓坡地区占比较大,均在20%左右,紧接着是急坡地区,而急陡坡地区的占比最小,面积占比不及1%。作为山地区域,平原至微倾斜平原在整个研究区的占比很小,仅占3.5%左右,但是在建成区中的占比提高到了7%以上,最高达到9.61%。（4）2000-2015年研究区植被NPP年际均值在481.512-658.557 gC·m-2·a-1间浮动,植被净初级生产力的总体水平较好,但其时空分布上存在差异,东南部的植被NPP明显高于西北部;以长江流域为界,植被NPP南高北低,且南部区域具有明显差异性。建成区单位面积的植被NPP明显小于研究区整体的平均值,但建成区的植被NPP总值仍然呈现出上升的态势,零值占比逐渐降低;从2000年与2015年的植被NPP差值和变化率可以看出,正向变化大于负向变化的栅格数,且变化幅度越大,栅格数占比反而越小;植被NPP出现明显负增长的区域主要集中在建成区范围内,明显正增长的区域出现在渝东北的云阳县和开县,变化幅度较缓的栅格分布比较零散,空间规律不强。（5）从夜间灯光数据的角度可以很好的解释,随着建成区的不断扩张,虽然建成区面积在不断增加,但是新增建成区范围内的开发程度比老建成区的开发程度要小得多,这也是导致建成区植被NPP均值在2000年、2005年、2010年和2015年逐年增大的重要原因。（6）从建成区土地利用转型的角度分析,三峡库区重庆段植被NPP在各地类的均值分布体现为草地>耕地>林地>未利用地>建设用地>水域,建成区植被NPP的下降一定程度上是建成区土地利用转型而导致的,特别是大量耕地转为建设用地对该范围下植被净初级生产力造成显着的负面影响。2000-2015年土地利用结构信息熵弹性系数和综合变化弹性系数均为负值,表明三峡库区重庆段建成区土地利用变化对建成区植被NPP在2000-2015年间体现为抑制作用。
韩红珠[7]（2020）在《黄土高原植被物候和净初级生产力（NPP）的关系及其对气候变化的响应》文中研究指明在全球气候变暖的影响下,植被物候发生着显着变化,干旱区（旱地）生态系统受到了越来越多的挑战。作为世界上水土流失最严重和生态环境最脆弱的地区之一,黄土高原植被物候的变化深刻影响着植被生产力。因此,认识并理解黄土高原植被物候和净初级生产力对气候变化的响应规律以及它们之间的关系,有助于我们对区域碳循环变化的深入认识和准确预测,对脆弱的黄土高原乃至全球旱地生态系统的可持续发展至关重要。本文以黄土高原地区植被为研究对象,对黄土高原1982-2015年气候现状和变化进行系统分析,并结合不同时间尺度的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index,SPEI）分析 了过去 30 多年来极端气候（干旱）事件的时空动态变化特征;同时,在对长时间序列的GIMMSNDVI3g遥感数据进行序列重构的基础上,采用最大比率法提取了黄土高原春季物候生长季开始时间（The start of season,SOS）、秋季物候生长季结束时间（The end of season,EOS）以及生长季长度（The length of season,LOS）物候指标,并且基于CASA模型对植被净初级生产力（Net Primary Productivity,NPP）进行了估算。在对模拟结果精度进行充分验证和评价的基础上,分析了物候和NPP的时空变化规律,揭示了植被物候和NPP对不同气候因子和干旱的响应特征。探讨了植被物候变化对植被净初级生产力的影响,并对未来不同碳排放水平的气候变化情景下物候和NPP的变化进行了预测。主要研究结论如下:（1）近30多年来黄土高原气候总体呈逐渐暖湿的变化趋势,但不同地区、不同季节变化差异显着。黄土高原东南部逐年暖干化,西北部暖湿化、暖干化混杂分布。通过气候的季节变化分析发现,春季和夏季的气候主要呈暖干的变化趋势,而秋季和冬季的气候主要呈暖湿变化。（2）黄土高原东南地区的植被物候生长季开始时间（SOS）早于西北地区。东南地区的生长季长度（LOS）也长于西北地区。但东南地区的生长季结束时间（EOS）较西北地区稍晚,发生时间较为接近。黄土高原总体上呈SOS推迟、EOS推迟、LOS延长的趋势。其中EOS呈显着推迟趋势,推迟幅度为0.1天/年。整体上,SOS主要受气温的影响,EOS主要受降水量/SPEI和日照时数的影响。但也存在区域差异,黄土高原东南部的LOS由于气温的升高出现延长,而西北地区却因气温升高导致LOS缩短。（3）黄土高原多年来NPP主要呈东南高、西北低的分布规律,总体呈不显着减少的趋势,减少速率为0.22gC/m2.a。不同季节中,除春季NPP逐渐增加外,其它季节均呈减少趋势,其中夏季NPP的减少最为明显,速率达0.26gC/m2.a。年均NPP呈增长趋势的区域主要集中在退耕还林实施强度较大的陕北黄土高原等地区,而减少的区域主要分布在鄂尔多斯高原和关中平原。黄土高原西北地区年均NPP主要受气温升高和降水量减少/SPEI下降的共同作用而出现减少,东南地区NPP则受日照时数增多和气温升高的影响而增加。春季NPP对气温、日照时数较为敏感,受降水量/SPEI影响较小。气温对秋季NPP影响较小,降水量/SPEI和日照时数是影响黄土高原地区NPP的关键因素。（4）受SOS的提前以及EOS推迟的有利影响,黄土高原春季和秋季的NPP增加的区域分别占总面积的89.23%、86.65%。在夏季,植被生长时间的延长削弱了夏季水分/养分的可用性,导致夏季NPP减少。在黄土高原的不同气候条件的地区,物候变化对NPP影响作用不同,在水热条件较好的黄土高原东部区域,LOS与NPP主要呈正相关。而在水热条件相对较差的黄土高原西北部局部地区,LOS与NPP表现出负相关。（5）黄土高原地区年均降水量超过400mm,年平均气温在4-12℃的区域中,SOS提前、EOS推迟、LOS延长均有利于该地区植被NPP的增加。在年均降水量小于400mm、年均气温0-10℃的区域中,由于生长季长度LOS缩短,该地区的NPP减少。在年均气温超过12℃的区域中,LOS延长,NPP减少。在海拔2000m以下,NPP主要受SOS推迟的影响,NPP随海拔升高而减少。在海拔2000m以上,SOS随海拔升高而推迟,NPP增加。（6）中低碳排放RCP4.5气候变化情景下,黄土高原未来30年是气候呈现暖湿的变化趋势。在高碳排放RCP8.5气候变化情景下,黄土高原气候呈暖干的变化趋势。在不同情景下,黄土高原未来的植被生长季长度LOS均显着延长。在RCP8.5气候变化情景下,秋季植被物候显着延迟,秋季NPP显着增加。
贾荣[8]（2020）在《基于CASA模型的杭州市森林生态系统服务价值评价》文中研究说明森林是陆地生态系统的主体,是人类赖以生存和发展的基础,森林生态系统作为陆地最大的生态系统,它的变化对陆地生态系统乃至全国生态环境都产生极大的影响。生态环境演变必然会影响生态系统的发展,进而导致生态系统服务功能效益的变化。因此为了促进生态系统的可持续发展,我们要重点保护好森林,合理利用森林资源,以保障森林生态系统所带来的生态效益和经济效益长远共存。本文以杭州市为研究对象,基于GIS和ENVI,利用CASA模型,结合遥感数据、气象数据和土地利用数据,以土地利用为切入点,根据林地的二级分类（有林地、灌木林、疏林地和其它林地）,估算了杭州市2000、2005、2010和2015年的植被净初级生产力;并借助于造林成本法、影子价格法、能量替代法和水量平衡法等评估方法从生态系统服务功能的间接价值入手,对杭州市森林生态系统固碳释氧、营养物质循环、有机物质生产和涵养水源四个方面的服务价值进行了估算。同时探讨了杭州市森林生态系统服务价值时空变化分析以及不同林地类型的生态系统价值动态变化分析。本文的主要研究结论如下:（1）杭州市森林面积和生态系统服务总价值变化,随着城市化的发展,2000-2015年,杭州市建设用地所占面积越来越多,耕地、林地面积在逐渐减少。2000-2015年间,林地总面积减少了101.98km2,林地所占比重减少了0.67%。其中有林地和疏林地的面积波动较大,灌木林和其他林地的变化较小。借助CASA模型以及价值评估方法,本文估算了2000、2005、2010和2015年杭州市的森林生态系统服务价值,研究区2000、2005、2010、2015年森林生态系统服务总价值总体上升了20.45%,分别为97944.95万元、104862.05万元、115529.04万元和123119.81万元。2000-2005年生态系统服务总价值上升了6.59%,2005-2010年上升了9.23%,2010年到2015年上升了6.16%。在森林生态系统各功能价值中,其中固碳释氧价值对生态系统价值的贡献最大,其次是有机物质生产价值和营养物质循环价值,涵养水源价值最小。表明森林植被在固碳释氧、维持碳氧平衡中起着非常重要的作用。（2）杭州市森林生态系统服务价值时空变化方面,从时间角度来看,2000-2015年期间,杭州市森林生态系统服务总价值总体呈现上升趋势,2000-2015年生态系统服务总价值增加了2.52亿元,总价值上升了20.45%。2000年到2005年生态系统服务总价值上升了6.59%,2005年到2010年上升了9.23%,2010年到2015年上升了6.16%。杭州市的森林生态系统服务价值变化幅度较小。不同林地类型中,有林地的生态系统服务价值量最高,其次是疏林地、灌木林、其它林地。从空间角度来看,杭州市各县市中生态系统服务价值较高的区域主要分布在西南部的建德市、淳安县和北部的临安等地区,生态系统服务价值较低的区域主要分布在杭州市东北部的余杭市、萧山市和杭州新城等地区,中部地区的桐庐县和富阳市生态系统服务价值处于中等水平。（3）不同林地类型的生态系统服务价值动态变化方面,对于森林四种生态系统服务价值来说,不同的林地类型价值量按顺序排列都是有林地最高,依次是疏林地、灌木林和其它林地。2000-2015年,森林的固碳释氧价值分别为6.32亿元、6.83亿元、7.39亿元、7.80亿元;有机物质生产价值分别是2.30亿元、2.48亿元、2.65亿元、2.84亿元;营养物质循环价值分别是0.73亿元、0.79亿元、0.85亿元、0.90亿元;涵养水源价值分别是0.44亿元、0.39亿元、0.66万元、0.78亿元。近15年来,林地的固碳释氧、有机物质生产和营养物质循环单位面积价值和总价值均呈上升趋势;而涵养水源量和涵养水源价值呈现先减少后增加的趋势。
董艳超[9]（2020）在《基于地形改进的NPP耕地产能计算及其应用》文中研究表明在2017年1月9日出台《中共中央国务院关于加强耕地保护和改进占补平衡的意见》提出耕地数量、质量、生态“三位一体”保护的新要求以及提出“建立健全耕地质量和耕地产能评价制度,完善评价指标体系和评价方法”的背景下,其核心目标是保障耕地总生产能力在未来不降低,粮食安全有保障。因此,进行耕地产能评价调查精确掌握耕地生产力必不可少。同时现有的耕地产能评价制度为2012年发布的《农用地定级规程》以及2018年进行的《耕地质量调查监测评价规范》工作的试点,具有现势性差,耗时耗力,误差较大的问题。因此,本文以构建一套全新利用遥感数据实现耕地产能动态评价的方法为目标,具有解决现有评价体系问题的意义。植被净初级生产力（NPP）将其对象设定为耕地后,其内涵与耕地产能具有一致性,因此,可使用NPP估算作为研究方式测算耕地产能。为实现动态测算,选择NPP估算方式中的CASA模型可计算实时NPP,并对CASA模型进行进一步改进,使用地形数据,精确计算复杂地形下的太阳辐射。在此基础上,本文选择地形差异较大的广西宾阳县作为研究区,以2017年3月、5月、10月以及2018年2月四期作物生长具有典型特征月份的Landsat8数据,结合气象数据、DEM、土地利用现状数据以及耕地质量年度更新数据进行计算,获得了以下结果:（1）NPP计算结果宾阳县NPP全县均值为837.21,整体呈现水田大于旱地,平原区高于丘陵区的特征,平原区在铁路北部沿线、新圩镇北部、大桥镇镇界存在区域低值。且其指数的四期数据差异与宾阳县的农作物生长特征基本一致。对比地形修正前后NPP指数的差异,水田NPP指数相对升高,旱地NPP指数相对降低。修正后平原区NPP指数分布与FPAR和的相关性增强,丘陵区与FPAR和的相关性减弱,即NPP整体与地形因素的相关性加强。（2）NPP表征耕地产能验证NPP指数拟合经济等效果,水田R2可达近0.86,旱地在0.88。NPP与耕地经济等相关性较好,可以实现无论从概念上,还是实际数值上的代替。但通过GWR发现沉积平原上NPP表征耕地产能效果较好且NPP对于灌排水条件的反应灵敏度较差。在此基础上,发现NPP与耕地产能影响因子的土壤性状、耕地地形相关性较好,但在耕作条件尤其是排除灌排水后的耕地建设方面基本不存在相关性。而NPP较耕地经济等确实缺少反应耕地建设情况导致的投入与产出差异,因此以耕地建设情况进一步修正NPP,使得水田NPP与耕地经济等的R2达0.88,旱地达0.89,可以耕地建设修正后的NPP表征耕地产能。在此基础上分析local R2依旧较差区域的耕地产能影响因素区域差异,发现NPP较经济等结果具有细致性差异性的光温水生产潜力,土壤性状、耕地地形的反应灵敏性,且未过分夸大耕地条件的优势。（3）NPP运用于耕地保护NPP运用于实际耕地保护,除可实现耕地产能的动态预测外,可针对新一轮国土空间规划,尤其是其中的国土综合整治部分,作为其双评价的重要成果,为规划提供现实依据,可运用于三方面:一是基本农田保护区的划定,二是对已进行农田整治的项目进行效益评价,三是对中低产田进行农田整治项目分区与安排。实际上在NPP运用于农田整治效益评价方面,选取宾阳县和吉镇实行旱改水的四个地块进行整治前后耕地情况对比,发现其中三个地块耕地产能得到了有效的提高,但位于喀斯特地貌区的地块整治效益不明显。在基本农田划定中,将NPP指数前20%即耕地产能较好地块评定为高产田（共23063.42公顷）,进行进一步聚类分析,划分两类。耕地产能高、集中连片、耕地通达度高的耕地可直接划定为基本农田保护区（共16321.64公顷）,但以新桥镇为例其面积小于规划期设定目标（剩余目标529.29公顷）,将耕地产能高但集中连片性与通达度欠缺的耕地划定为基本农田建设区（共1322.61公顷）,以其指标特征分为交通设施建设型、田块平整型以及综合建设型主导三类分时序建设,再划入基本农田保护区或补划储备库。在中低产田整治规划中,将NPP指数后20%的地块列为中低产田（共9327.67公顷）,利用CASA模型中的FPAR、和太阳辐射三个因子为分组标准进行中低产田特征分类,实现成本较高的科技投入有方向有重点。划分土壤改造型、灌排水改造型、综合建设型及生态保护型分时序建设,实行高效生态友好型整治。综上,本文运用经地形改进的CASA模型计算出了宾阳县的NPP,与已有的耕地质量年度更新库中耕地产能结果具有较好的相关性,且在光温生产潜力、土壤条件、地形条件方面具有优势,可使用NPP表征宾阳县耕地产能。并将计算结果运用于基本农田划定,中低产田整治规划与效益评价方面,具有较高效率。当然本文还不够完善,需要在不同作物食用部分差异、耕地利用条件与碳存储间的关系、旱地和水田遥感数据偏差上进行进一步研究完善。
黄悦悦[10]（2020）在《2000-2018年华北平原植被净初级生产力时空分布及其驱动因素研究》文中指出植被净初级生产力（Net Primary Production,NPP）是衡量植被生长、反映生态系统功能的重要指标诠释方法,研究其时空规律及其影响机制可为应对未来气候变化和制定有效且合理的生态保护措施及政策提供一定的科学依据。本文选取华北平原作为研究区,结合多源数据,采用CASA模型和多种空间分析方法探讨分析了2000-2018年长时间序列下华北平原植被NPP的时空变化特征及其主要驱动因素。主要得出以下结论:（1）从植被NPP的时间变化过程来看,2000-2018年,华北平原多年植被NPP均值为526.68 g C·m-2·a-1,近19a间植被NPP总体上呈微弱上升趋势,最小值出现在2002年,最大值出现在2014年,极差达到129.19 g C·m-2·a-1。从时间月尺度来看,年内华北平原7月份植被NPP值最大高达110.05 g C·m-2·a-1,除7月份之外,其他月份的植被NPP变化率均为正值。从时间季节尺度来看,四个季节的NPP都呈现出整体波动增加的趋势,其中,春季植被NPP以2.6446 g C·m-2·a-1的速率显着增加,其次是夏季,秋季植被NPP的变化趋势最小。（2）从植被NPP的空间分布特征来看,华北平原植被NPP的空间分布呈“南高北低”的现象,低值区主要分布在华北平原的北部及沿海地区,尤其是在京—津地区,高值区则分布在南部地区的河南省、安徽省和江苏省境内。植被NPP变异系数较小,华北平原区域间差异性不显着,处于一个较稳定的状态,呈非常稳定的区域面积占比为32.1%,主要分布在山东省东部、江苏省江淮平原、河南省豫中地区及河北省中部及北部地区。总体而言,华北平原大部分地区植被NPP的变化百分率大于10%,说明区域整体上植被生长状况不断在改善。（3）从气候变化和植被NPP之间的关系来看,华北平原的气候呈“暖干”变化趋势,多年平均气温值为14℃,多年平均降水量在705.08 mm,在2003-2014年研究区降水以18.33 mm·a-1的速率呈波动减少趋势,且年降水呈东南向西北逐渐减少的变化趋势。植被NPP与平均气温的偏相关系数为0.1245,与降水量的偏相关系数0.3265,与气温降水呈正相关的区域分别占区域总面积的67.86%和93.93%。（4）从影响植被NPP的变化驱动力来看,华北平原大部分地区植被NPP的分布及变化主要受非气候因素的影响,而气候变化对植被NPP的影响主要是由于气温和降水的共同驱动作用而引起的。土地利用变化亦是影响植被NPP的重要因素,耕地、林地和草地等土地覆盖类型的增加是植被NPP增长的重要原因;而随着城市化进程的不断加快,致使建设用地的面积不断扩张是植被NPP损失的主要原因。通过对华北平原植被NPP从不同的时间尺度、空间尺度和内部变化主导因素的探索与分析,可为未来维护植被的良好生长发育、维持生态系统功能的平衡和推进人类社会的绿色发展提供一定的理论基础和决策依据。
二、Estimation of net primary productivity in China using remote sensing data（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Estimation of net primary productivity in China using remote sensing data（论文提纲范文）
（1）基于CASA模型的杭州市森林碳储量时空变化及影响因子研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 森林生态系统储量研究 |
| 1.2.1.1 干扰机制角度 |
| 1.2.1.2 方法应用角度 |
| 1.2.1.3 模型构建角度 |
| 1.2.1.4 尺度分级角度 |
| 1.2.2 森林生态系统碳储量估算方法研究 |
| 1.2.2.1 基于生物量的森林碳储量估算 |
| 1.2.2.2 基于净初级生产力的森林碳储量估算 |
| 1.3 研究的目的与意义 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 2 研究区概况 |
| 2.1 自然地理条件 |
| 2.1.1 地理位置 |
| 2.1.2 地形条件 |
| 2.1.3 气候条件 |
| 2.1.4 森林资源 |
| 2.2 社会经济状况 |
| 2.2.1 人口状况 |
| 2.2.2 经济发展状况 |
| 3 数据来源与处理 |
| 3.1 遥感影像数据 |
| 3.1.1 Landsat数据 |
| 3.1.2 NDVI数据 |
| 3.2 样地数据 |
| 3.2.1 样地数据获取 |
| 3.2.2 样地点碳储量计算 |
| 3.3 气象数据 |
| 3.4 土地利用数据 |
| 3.5 其他数据 |
| 3.5.1 地形和土壤数据 |
| 3.5.2 人类活动强度数据 |
| 4 基于CASA模型的森林碳储量估算与精度验证 |
| 4.1 CASA模型原理 |
| 4.2 基于CASA模型的NPP计算方法 |
| 4.2.1 光合有效辐射(APAR) |
| 4.2.2 植物光合有效辐射吸收比例(FPAR) |
| 4.2.3 实际光能利用率(ε) |
| 4.2.4 最大光能利用率(ε_(max)) |
| 4.3 模型参数设定 |
| 4.4 基于NPP计算结果的森林碳储量估算 |
| 4.5 CASA模型模拟结果精度验证 |
| 4.5.1 模型估算与实测值对比 |
| 4.5.2 CASA模型估算中的不确定性 |
| 5 杭州市森林碳储量时空动态特征分析 |
| 5.1 杭州市森林碳储量总体特征 |
| 5.1.1 2004 年杭州市森林碳储量特征 |
| 5.1.2 2009 年杭州市森林碳储量特征 |
| 5.1.3 2014 年杭州市森林碳储量特征 |
| 5.2 杭州市不同森林类型碳储量变化特征 |
| 6 杭州市森林碳储量时空动态变化影响因素分析 |
| 6.1 地形因子对森林碳储量变化的影响 |
| 6.1.1 高程对森林碳储量变化的影响 |
| 6.1.2 坡度对森林碳储量变化的影响 |
| 6.1.3 坡向对森林碳储量变化的影响 |
| 6.2 土壤类型对森林碳储量变化的影响 |
| 6.3 人类活动干扰对森林碳储量变化的影响 |
| 6.3.1 相关性分析法 |
| 6.3.2 人类活动强度对森林碳储量变化的影响 |
| 6.3.3 森林碳储量与人类活动强度相关性分析 |
| 7 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 7.3 研究特色 |
| 7.4 不足与展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（2）亚热带植被覆盖度和净初级生产力时空演变及气候驱动（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 植被覆盖度监测方法 |
| 1.2.2 植被覆盖度对气候变化的响应 |
| 1.2.3 植被覆盖度对生态系统生产力的影响 |
| 1.2.4 植被净初级生产力监测方法 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 材料与方法 |
| 2.1 研究区概况 |
| 2.2 数据获取及预处理 |
| 2.2.1 遥感数据下载及预处理 |
| 2.2.2 NDVI数据 |
| 2.2.3 气象数据 |
| 2.2.4 土地覆被类型分类数据 |
| 2.2.5 叶面积指数数据 |
| 2.2.6 土壤有效含水量数据 |
| 2.3 统计评价方法 |
| 2.3.1 演变趋势及显着性分析 |
| 2.3.2 变异系数 |
| 2.3.3 相关性分析 |
| 2.3.4 偏相关分析 |
| 2.3.5 贡献分析 |
| 3 亚热带FVC的时空演变及其对气候变化的响应 |
| 3.1 像元二分模型简介 |
| 3.2 亚热带FVC的空间分布特征 |
| 3.3 亚热带FVC的时间变化趋势 |
| 3.4 亚热带FVC的时空变异 |
| 3.5 亚热带FVC时空演变的气候驱动分析 |
| 3.5.1 亚热带FVC与年均最高温的偏相关关系 |
| 3.5.2 亚热带FVC与年均最低温的偏相关关系 |
| 3.5.3 亚热带FVC与年降水量的偏相关关系 |
| 3.6 气候因子对亚热带FVC变化的相对贡献 |
| 3.7 本章小结 |
| 4 亚热带植被NPP时空演变对FVC的响应 |
| 4.1 BEPS模型简介 |
| 4.2 亚热带植被NPP的空间分布特征 |
| 4.3 亚热带植被NPP的时间变化趋势 |
| 4.4 亚热带植被NPP的时空变异 |
| 4.5 亚热带植被NPP时空演变的气候驱动分析 |
| 4.5.1 亚热带植被NPP与年均最高温的偏相关关系 |
| 4.5.2 亚热带植被NPP与年均最低温的偏相关关系 |
| 4.5.3 亚热带植被NPP与年降水量的偏相关关系 |
| 4.6 气候因子对亚热带植被NPP变化的相对贡献 |
| 4.7 亚热带FVC对植被NPP的影响机制分析 |
| 4.8 本章小结 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.1.1 亚热带FVC时空演变及其气候驱动分析 |
| 5.1.2 亚热带植被NPP时空演变及其气候驱动分析 |
| 5.1.3 亚热带FVC对植被NPP的影响机制分析 |
| 5.2 创新点 |
| 5.3 讨论 |
| 5.3.1 亚热带FVC时空演变及其驱动分析方面 |
| 5.3.2 亚热带植被NPP时空演变及其驱动分析方面 |
| 5.3.3 驱动分析不足 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（3）喀斯特石漠化地区生态资产遥感评估及时空演变机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 研究现状 |
| 1.1 研究背景与意义 |
| 1.2 研究进展 |
| 1.2.1 生态资产理论研究进展 |
| 1.2.2 生态资产评估体系与方法研究进展 |
| 1.2.3 生态资产遥感评估方法研究进展 |
| 1.2.4 喀斯特地区生态资产评估研究进展 |
| 1.2.5 研究进展小结 |
| 第二章 研究设计 |
| 2.1 科学问题 |
| 2.2 研究内容 |
| 2.2.1 研究内容设计 |
| 2.2.2 研究内容逻辑关联 |
| 2.3 研究方案与技术路线 |
| 2.3.1 研究方案 |
| 2.3.2 研究技术路线 |
| 2.4 研究区选择与代表性论证 |
| 2.4.1 研究区代表性论证 |
| 2.4.2 研究区概况 |
| 2.4.3 研究区自然环境 |
| 2.4.4 研究区社会经济 |
| 2.4.5 研究区的生态环境问题 |
| 第三章 生态资产评估与时空演变研究框架构建 |
| 3.1 喀斯特石漠化区生态资产评估 |
| 3.1.1 生态资产评估范围 |
| 3.1.2 生态资产评估内容 |
| 3.2 喀斯特石漠化地区生态资产遥感评估面临的困难 |
| 3.3 遥感图谱认知理论 |
| 3.3.1 地学信息图谱 |
| 3.3.2 遥感信息图谱 |
| 3.3.3 遥感图谱认知理论 |
| 3.3.4 地理图斑智能计算模型 |
| 3.4 基于遥感图谱认知的生态资产时空演变研究框架 |
| 3.4.1 评估框架 |
| 3.4.2 关键问题 |
| 3.5 本章小结 |
| 第四章 生态资产评估基本空间单元解构 |
| 4.1 引言 |
| 4.2 基于分区分层感知模型的生态资产基本空间单元解构 |
| 4.2.1 分区分层感知模型 |
| 4.2.2 喀斯特石漠化地区生态资产基本空间单元解构 |
| 4.3 基于高精度DEM的地貌/地理单元划分 |
| 4.3.1 基于高精度DEM的地貌单元边界优化 |
| 4.3.2 基于高精度DEM的地理单元划分 |
| 4.4 基于高分辨率遥感影像的地理图斑/地块提取 |
| 4.4.1 地理图斑/地块提取方法 |
| 4.4.2 地理图斑/地块精度验证 |
| 4.5 本章小结 |
| 第五章 多源数据协同的生态资产时空动态评估 |
| 5.1 引言 |
| 5.2 喀斯特石漠化地区生态资产遥感评估 |
| 5.2.1 喀斯特石漠化地区生态资产评估体系 |
| 5.2.2 喀斯特石漠化地区生态资产遥感评估方法 |
| 5.3 多源数据协同的喀斯特石漠化地区岩石裸露率反演 |
| 5.3.1 喀斯特石漠化地区岩石裸露率反演 |
| 5.3.2 数据来源与处理 |
| 5.3.3 喀斯特山区岩石裸露率反演方法 |
| 5.3.4 喀斯特山区岩石裸露率反演结果 |
| 5.4 基于时序遥感数据的喀斯特石漠化地区NPP估算 |
| 5.4.1 喀斯特石漠化地区NPP估算 |
| 5.4.2 数据来源与处理 |
| 5.4.3 喀斯特石漠化地区NPP估算方法 |
| 5.4.4 喀斯特石漠化地区NPP估算结果 |
| 5.5 不同尺度下生态资产时空动态评估结果 |
| 5.5.1 地块与像元尺度的生态资产质量与服务功能状况评估 |
| 5.5.2 地理单元尺度的生态资产综合评估结果 |
| 5.6 本章小结 |
| 第六章 生态资产时空演变格局与驱动机制分析 |
| 6.1 引言 |
| 6.2 基于时空动态度模型的生态资产时空演变特征分析 |
| 6.2.1 不同地理单元生态资产时空变化特征 |
| 6.2.2 不同地貌单元生态资产时空变化特征 |
| 6.3 基于ESTDA的生态资产时空演变格局分析 |
| 6.3.1 生态资产全局空间自相关分析 |
| 6.3.2 生态资产局部空间自相关分析 |
| 6.3.3 生态资产局部空间格局演化趋势分析 |
| 6.4 基于地理探测器的生态资产时空演变驱动因素分析 |
| 6.4.1 生态资产时空变化分异的地理探测 |
| 6.4.2 生态资产空间分异的驱动因素及交互作用分析 |
| 6.4.3 生态资产动态变化的驱动因素作用强度变化分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究成果总结 |
| 7.2 研究创新点 |
| 7.3 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（4）西安市域绿地碳汇效益影响因素研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究目的 |
| 1.3 国内外研究现状 |
| 1.4 研究对象及研究内容 |
| 1.5 研究方法 |
| 1.6 研究框架 |
| 2 绿地系统相关理论研究与西安市域绿地发展现状 |
| 2.1 绿地系统相关理论研究 |
| 2.1.1 相关概念界定 |
| 2.1.2 景观生态学及相关理论 |
| 2.1.3 碳汇相关的评价指标体系 |
| 2.1.4 市域绿地相关的理论研究梳理 |
| 2.2 西安市域绿地生境条件 |
| 2.2.1 地形地貌 |
| 2.2.2 气候条件 |
| 2.2.3 土壤 |
| 2.2.4 水资源 |
| 2.2.5 植物资源 |
| 2.3 西安市域绿地发展现实与问题 |
| 2.3.1 西安市绿地系统规划解读 |
| 2.3.2 西安市绿地系统规划相关指标 |
| 2.3.3 西安市域绿地发展存在的问题 |
| 2.4 小结 |
| 3 西安市域绿地碳汇效益估算方法与时空分布特征 |
| 3.1 既有碳汇效益估算方法 |
| 3.1.1 碳汇估算模型研究进展 |
| 3.1.2 CASA模型的发展 |
| 3.1.3 CASA模型的计算方法 |
| 3.2 研究数据筛选与预处理 |
| 3.2.1 遥感数据来源与校正 |
| 3.2.2 气象数据的空间可视化 |
| 3.2.3 研究数据的年份选取 |
| 3.3 西安市域绿地碳汇效益估算及其时空分布特征 |
| 3.3.1 常态化植生指数NDVI |
| 3.3.2 西安市域绿地碳汇效益 |
| 3.3.3 碳汇效益的时空分布特征 |
| 3.3.4 碳汇效益估算结果比较 |
| 3.4 小结 |
| 4 西安市域绿地空间布局景观指数量化 |
| 4.1 西安市域土地利用类型分类 |
| 4.1.1 分类方法 |
| 4.1.2 分类结果 |
| 4.1.3 土地利用类型转译精度 |
| 4.2 基于绿地的空间布局结构和形态特征量化的景观指数选取 |
| 4.2.1 景观指数 |
| 4.2.2 景观指数选取 |
| 4.3 景观指数量化 |
| 4.3.1 景观指数量化方法 |
| 4.3.2 景观指数量化结果 |
| 4.4 小结 |
| 5 西安市域绿地碳汇效益影响因素分析 |
| 5.1 景观指数变化特征 |
| 5.1.1 耕地类别景观指数时间变化特征 |
| 5.1.2 城市绿地类别景观指数时间变化特征 |
| 5.1.3 林地类别景观指数时间变化特征 |
| 5.2 景观指数对西安市域绿地碳汇效益影响的相关性分析 |
| 5.2.1 景观破碎度对市域绿地碳汇效益的影响 |
| 5.2.2 景观聚集度对市域绿地碳汇效益的影响 |
| 5.2.3 景观均匀度对市域绿地碳汇效益的影响 |
| 5.2.4 斑块平均形状对市域绿地碳汇效益的影响 |
| 5.3 碳汇效益的影响因素分析 |
| 5.3.1 景观指数对碳汇效益影响的分析 |
| 5.3.2 基于影响因素的耕地空间布局结构优化 |
| 5.3.3 基于影响因素的城市绿地空间布局结构优化 |
| 5.3.4 基于影响因素的林地空间布局结构优化 |
| 5.4 小结 |
| 6 结语 |
| 6.1 研究结论 |
| 6.2 后续研究建议 |
| 参考文献 |
| 附录 图表目录 |
| 致谢 |
（5）集成机器学习的植被参数反演及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 植被含水量的研究现状 |
| 1.2.2 植被净初级生产力的研究现状 |
| 1.2.3 植被物候的研究现状 |
| 1.2.4 机器学习在植被参数反演中的研究现状 |
| 1.2.5 植被参数与气候变化响应关系的研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本文的结构安排 |
| 第二章 植被燃料含水量反演及其时空特征分析 |
| 2.1 植被含水量的表现形式 |
| 2.2 机器学习方法模型 |
| 2.2.1 支持向量机SVM算法原理 |
| 2.2.2 梯度提升决策树GBDT算法原理 |
| 2.2.3 极端梯度提升算法XGBoost原理 |
| 2.2.4 极限学习机ELM原理 |
| 2.3 数据来源与处理 |
| 2.3.1 遥感数据收集与预处理 |
| 2.3.1.1 植被燃料含水量FMC数据1.0 |
| 2.3.1.2 植被燃料含水量FMC数据2.0 |
| 2.4 基于植被水分指数估算FMC |
| 2.5 基于机器学习方法模型估算FMC |
| 2.6 植被燃料含水量分布特征 |
| 2.7 本章小结 |
| 第三章 植被净初级生产力反演及时空特征分析 |
| 3.1 CASA模型的构建与算法 |
| 3.1.1 CASA模型的构建 |
| 3.1.2 植被吸收的光合有效辐射的估算 |
| 3.1.3 光能利用率的估算 |
| 3.2 数据来源与处理 |
| 3.2.1 遥感数据收集与预处理 |
| 3.2.1.1 MODIS NDVI数据 |
| 3.2.1.2 MOD17A3HGF数据集 |
| 3.2.2 植被类型数据 |
| 3.2.3 气象数据 |
| 3.3 基于CASA模型估算NPP及精度验证 |
| 3.4 植被净初级生产力分布特征 |
| 3.5 本章小结 |
| 第四章 植被物候反演及其时空特征分析 |
| 4.1 植被物候的研究方法 |
| 4.1.1 传统反演方法 |
| 4.1.2 机器学习方法模型 |
| 4.2 数据来源与处理 |
| 4.3 利用GBDT模型估算植被物候及精度验证 |
| 4.4 植被物候分布特征 |
| 4.5 本章小结 |
| 第五章 植被参数对气候变化的响应 |
| 5.1 四川省气象数据 |
| 5.2 植物燃料含水量FMC对气候变化的响应 |
| 5.2.1 植物燃料含水量FMC对气温变化的响应 |
| 5.2.2 植物燃料含水量FMC对降水变化的响应 |
| 5.3 植被净初级生产力NPP对气候变化的响应 |
| 5.3.1 植被净初级生产力NPP对气温变化的响应 |
| 5.3.2 植被净初级生产力NPP对降水变化的响应 |
| 5.4 植被物候对气候变化的响应 |
| 5.4.1 植被物候生长季始期SOS对气温变化的响应 |
| 5.4.2 植被物候生长季始期SOS对降水变化的响应 |
| 5.4.3 植被物候生长季末期EOS对气温变化的响应 |
| 5.4.4 植被物候生长季末期EOS对降水变化的响应 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）基于多源遥感数据三峡库区重庆段建成区扩张及其植被NPP影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 建成区变化研究进展 |
| 1.2.2 植被净初级生产力研究进展 |
| 1.2.3 建成区扩张对植被净初级生产力的影响研究进展 |
| 1.3 研究内容、方法及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 拟解决的关键科学问题 |
| 1.5 研究特色及创新 |
| 1.6 论文框架 |
| 第2章 研究区概况与数据资料 |
| 2.1 研究区概况 |
| 2.1.1 地理区位 |
| 2.1.2 社会经济发展 |
| 2.1.3 生态环境概况 |
| 2.2 数据来源及预处理 |
| 2.2.1 DMSP-OLS夜间灯光影像 |
| 2.2.2 NPP-VIIRS夜间灯光影像 |
| 2.2.3 土地利用现状遥感监测数据 |
| 2.2.4 SRTM数据 |
| 2.2.5 其他数据 |
| 第3章 夜间灯光数据整合及建成区提取 |
| 3.1 DMSP/OLS数据的校正处理 |
| 3.1.1 DMSP/OLS原始影像数据分析 |
| 3.1.2 DMSP/OLS数据校正模型构建 |
| 3.1.3 数据校正结果 |
| 3.2 DMSP/OLS与 NPP/VIIRS数据整合 |
| 3.2.1 夜间灯光数据整合 |
| 3.2.2 夜间灯光数据整合评价 |
| 3.3 三峡库区重庆段建成区提取 |
| 3.3.1 建成区提取方法及结果 |
| 3.3.2 建成区提取结果验证 |
| 3.4 本章小结 |
| 第4章 三峡库区重庆段建成区扩张变化分析 |
| 4.1 建成区规模特征分析 |
| 4.1.1 建成区扩张速度与强度 |
| 4.1.2 建成区扩张方向 |
| 4.1.3 建成区扩张重心 |
| 4.2 建成区形态特征分析 |
| 4.2.1 建成区紧凑度指数 |
| 4.2.2 建成区分维数 |
| 4.3 建成区地形变化特征分析 |
| 4.4 本章小结 |
| 第5章 植被净初级生产力时空分析 |
| 5.1 MOD17A3 数据验证 |
| 5.2 三峡库区重庆段植被NPP时序变化特征 |
| 5.3 三峡库区重庆段植被NPP空间分布特征 |
| 5.4 三峡库区重庆段植被NPP变化趋势分析 |
| 5.4.1 植被NPP变化研究方法 |
| 5.4.2 植被NPP变化趋势分析 |
| 5.5 本章小结 |
| 第6章 建成区扩张对植被净初级生产力的影响分析 |
| 6.1 建成区开发程度对植被NPP的影响分析 |
| 6.1.1 三峡库区重庆段夜间灯光相关性分析 |
| 6.1.2 建成区开发程度对植被NPP的影响分析 |
| 6.2 建成区土地利用变化对植被NPP的影响分析 |
| 6.2.1 植被NPP冷热点区的土地利用变化构成分析 |
| 6.2.2 建成区土地利用变化下植被NPP变化分析 |
| 6.2.3 建成区植被NPP对土地利用变化的响应研究 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 研究不足及展望 |
| 参考文献 |
| 致谢 |
| 科研情况 |
（7）黄土高原植被物候和净初级生产力（NPP）的关系及其对气候变化的响应（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 植被物候研究进展 |
| 1.2.2 植被物候对气候变化的响应研究进展 |
| 1.2.3 植被净初级生产力研究进展 |
| 1.2.4 植被物候对净初级生产力的影响研究进展 |
| 1.2.5 干旱监测及其对植被生长影响研究进展 |
| 1.3 研究目的、研究内容和技术路线 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第二章 数据与方法 |
| 2.1 研究区域概况 |
| 2.2 数据来源与处理 |
| 2.2.1 气象数据 |
| 2.2.2 遥感数据 |
| 2.2.3 未来气候情景数据 |
| 2.2.4 其它数据 |
| 2.3 研究方法 |
| 2.3.1 Anusplin空间插值 |
| 2.3.2 标准化降水蒸散指数 |
| 2.3.3 重构NDVI时序曲线 |
| 2.3.4 植被物候参数提取 |
| 2.3.5 CASA模型 |
| 2.3.6 统计分析方法 |
| 第三章 黄土高原气候时空演变特征 |
| 3.1 黄土高原的气候条件 |
| 3.2 气候因子的时空变化特征分析 |
| 3.2.1 气候因子的时间变化特征 |
| 3.2.2 气候因子的空间变化特征 |
| 3.3 极端气候事件(干旱)时空变化特征分析 |
| 3.3.1 干早的时间变化特征 |
| 3.3.2 干早的空间变化特征 |
| 3.3.3 干旱发生范围及发生频率特征 |
| 3.4 未来气候情景 |
| 3.5 讨论和小结 |
| 第四章 植被物候时空变化特征及其对气候的响应 |
| 4.1 植被物候估算验证 |
| 4.1.1 提取结果验证 |
| 4.1.2 不确定性分析 |
| 4.2 植被物候时空特征 |
| 4.2.1 植被物候空间分布特征 |
| 4.2.2 植被物候时空变化特征 |
| 4.3 植被物候对不同气候因子变化的响应 |
| 4.3.1 SOS对春季气温、降水量、日照的响应 |
| 4.3.2 EOS对夏季、秋季气温、降水量、日照的响应 |
| 4.3.3 LOS对年气温、降水量、日照的响应 |
| 4.4 极端气候(干旱)对植被物候的影响 |
| 4.5 讨论和小结 |
| 第五章 植被净初级生产力时空变化特征及其对气候的响应 |
| 5.1 NPP的估算与结果验证 |
| 5.2 NPP时空变化特征 |
| 5.2.1 植被NPP空间分布特征 |
| 5.2.2 植被NPP时空变化特征 |
| 5.3 NPP对气候变化的响应 |
| 5.3.1 NPP对年气候因子的响应 |
| 5.3.2 NPP对季节气候因子的响应 |
| 5.4 极端气候(干旱)对NPP的影响 |
| 5.5 讨论与小结 |
| 第六章 植被物候与净初级生产力的关系 |
| 6.1 不同季节NPP与各物候期的关系 |
| 6.1.1 NPP与SOS的关系 |
| 6.1.2 NPP与EOS的关系 |
| 6.1.3 NPP与LOS的关系 |
| 6.2 不同条件下NPP和物候的关系 |
| 6.2.1 NPP和物候随水热条件变化的响应关系 |
| 6.2.2 NPP和物候随海拔变化的响应关系 |
| 6.3 未来气候情景下植被物候期对NPP的影响 |
| 6.3.1 未来气候情景下植被物候期预测 |
| 6.3.2 未来气候情景下植被物候期对NPP的影响 |
| 6.4 讨论与小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间研究成果 |
（8）基于CASA模型的杭州市森林生态系统服务价值评价（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.3 研究目的和内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 2 研究区概况 |
| 2.1 自然地理环境 |
| 2.1.1 地理位置 |
| 2.1.2 气候条件 |
| 2.1.3 森林资源 |
| 2.2 社会经济状况 |
| 3 数据来源与处理 |
| 3.1 遥感数据获取与处理 |
| 3.1.1 MODIS数据获取 |
| 3.1.2 MODIS数据处理 |
| 3.2 气象数据获取与预处理 |
| 3.2.1 气温和降水数据 |
| 3.2.2 太阳辐射数据 |
| 3.3 土地利用数据 |
| 4 CASA模型及NPP结果讨论 |
| 4.1 NPP计算方法 |
| 4.1.1 气候相关模型 |
| 4.1.2 过程模型 |
| 4.1.3 光能利用率模型 |
| 4.2 CASA模型 |
| 4.2.1 光合有效辐射(APAR) |
| 4.2.2 植被光合有效辐射吸收比例(FPAR) |
| 4.2.3 光能利用率(ε) |
| 4.2.4 最大光能利用率εmax |
| 4.3 NPP估算与结果讨论 |
| 4.3.1 利用CASA模型计算NPP |
| 4.3.2 NPP结果讨论 |
| 5 森林生态服务价值评估 |
| 5.1 固碳释氧价值评估 |
| 5.2 营养物质循环价值评估 |
| 5.3 有机物质生产价值评估 |
| 5.4 涵养水源价值评估 |
| 5.5 森林生态系统服务价值 |
| 6 杭州市森林生态系统面积变化与服务价值时空差异和动态演化分析 |
| 6.1 森林面积变化与森林生态系统服务总价值评估 |
| 6.1.1 森林面积变化分析 |
| 6.1.2 森林生态系统服务总价值变化 |
| 6.2 杭州市森林生态系统服务价值时空变化分析 |
| 6.2.1 杭州市森林生态系统服务价值时间差异分析 |
| 6.2.2 杭州市森林生态系统服务价值空间差异分析 |
| 6.3 杭州市森林生态系统服务价值动态变化分析 |
| 6.3.1 不同林地类型固碳释氧价值动态变化分析 |
| 6.3.2 不同林地类型营养物质循环价值动态变化分析 |
| 6.3.3 不同林地类型有机物生产价值动态变化分析 |
| 6.3.4 不同林地类型涵养水源价值动态变化分析 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间科研情况 |
| 致谢 |
（9）基于地形改进的NPP耕地产能计算及其应用（论文提纲范文）
| 本论文创新点 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究综述 |
| 1.3 研究内容与研究路线 |
| 第二章 研究区概况与研究方法 |
| 2.1 研究区概况 |
| 2.2 研究方法 |
| 2.3 数据来源与处理 |
| 第三章 宾阳县NPP测算结果 |
| 3.1 FPAR测算结果 |
| 3.2 太阳辐射测算结果 |
| 3.3 测算结果 |
| 3.4 地形修正前后NPP测算结果 |
| 第四章 NPP表征耕地产能 |
| 4.1 NPP与耕地产能数据GWR分析 |
| 4.2 NPP与耕地产能影响因素相关性分析 |
| 4.3 耕作条件修正下NPP表征耕地产能 |
| 4.4 基于产能影响因素的NPP与耕地经济等比较分析 |
| 第五章 NPP表征耕地产能在耕地保护中的运用 |
| 5.1 NPP运用于农田整治效益评价 |
| 5.2 NPP分等与聚类分析下的基本农田划定 |
| 5.3 基于CASA模型因子的中低产田整治规划 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻硕期间发表的与学位论文相关的科研成果目录 |
| 攻读硕士学位期间参与的课题情况 |
| 致谢 |
（10）2000-2018年华北平原植被净初级生产力时空分布及其驱动因素研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 研究区概况 |
| 2.1 地理位置 |
| 2.2 地质地貌 |
| 2.3 气候水文 |
| 2.4 土壤植被 |
| 第3章 数据与方法 |
| 3.1 数据来源与预处理 |
| 3.1.1 遥感数据 |
| 3.1.2 气象数据 |
| 3.1.3 其他数据 |
| 3.2 NPP估算模型 |
| 3.2.1 CASA模型介绍 |
| 3.2.2 精度验证 |
| 3.3 研究方法 |
| 3.3.1 偏差分析 |
| 3.3.2 一元线性回归分析 |
| 3.3.3 变异系数 |
| 3.3.4 相关分析方法 |
| 3.3.5 NPP驱动力分区准则 |
| 3.3.6 土地利用变化分析 |
| 第4章 华北平原植被NPP时空变化特征 |
| 4.1 植被NPP的时间变化特征 |
| 4.1.1 年尺度植被NPP的时间变化特征 |
| 4.1.2 月、季节尺度植被NPP的时间变化特征 |
| 4.2 植被NPP的空间分布特征 |
| 4.2.1 年尺度植被NPP的空间分布特征 |
| 4.2.2 季节尺度植被NPP的空间分布特征 |
| 第5章 气候变化对华北平原植被NPP的影响 |
| 5.1 研究区年际气温、降水量的动态变化 |
| 5.2 气温、降水量对植被NPP的影响 |
| 5.2.1 基于空间的偏相关性分析 |
| 5.2.2 基于空间的复相关性分析 |
| 5.3 植被NPP的变化驱动力分析 |
| 第6章 土地利用变化对华北平原植被NPP的影响 |
| 6.1 华北平原的土地利用变化 |
| 6.2 不同土地利用类型转换下的植被NPP变化分析 |
| 6.3 不同土地利用类型转换下的植被NPP的损益变化分析 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
四、Estimation of net primary productivity in China using remote sensing data（论文参考文献）
- [1]基于CASA模型的杭州市森林碳储量时空变化及影响因子研究[D]. 王智. 浙江农林大学, 2021(02)
- [2]亚热带植被覆盖度和净初级生产力时空演变及气候驱动[D]. 刘华. 浙江农林大学, 2021
- [3]喀斯特石漠化地区生态资产遥感评估及时空演变机制研究[D]. 陈全. 贵州师范大学, 2021
- [4]西安市域绿地碳汇效益影响因素研究[D]. 姚科. 西安建筑科技大学, 2021(01)
- [5]集成机器学习的植被参数反演及应用研究[D]. 李凡. 电子科技大学, 2021(01)
- [6]基于多源遥感数据三峡库区重庆段建成区扩张及其植被NPP影响研究[D]. 谭淼. 重庆工商大学, 2020(11)
- [7]黄土高原植被物候和净初级生产力（NPP）的关系及其对气候变化的响应[D]. 韩红珠. 陕西师范大学, 2020(02)
- [8]基于CASA模型的杭州市森林生态系统服务价值评价[D]. 贾荣. 山东师范大学, 2020(08)
- [9]基于地形改进的NPP耕地产能计算及其应用[D]. 董艳超. 武汉大学, 2020(04)
- [10]2000-2018年华北平原植被净初级生产力时空分布及其驱动因素研究[D]. 黄悦悦. 西北师范大学, 2020(01)