论文部分内容阅读
森林在吸收存储CO2、降低温室气体浓度和减缓温室效应等方面起着重要作用,发展森林碳汇是保障我国顺利实现“双碳”战略目标的有效途径。黄河流域作为我国极为重要的生态屏障和经济发展地带承载着国家生态安全和经济社会健康发展的重要使命,研究黄河流域森林碳汇时空变化特征及驱动力有利于了解区域碳循环的变化特点,为区域气候变化研究和森林的科学管理经营提供理论依据和数据支持。本文基于Google Earth Engine(GEE)云平台,选取2001—2020年黄河流域Landsat5和Landsat7影像的近红外和短波红外波段、ECMWF/ERA5的气温和降水数据、FLDAS数据集的辐射数据,结合CASA(Carnegie-Ames-Stanford Approach)模型计算植被净初级生产力(Net Primary Production,NPP)。利用气温和降水量数据计算土壤异养呼吸释放量(Rh),并进行差值计算,从而获得净生态系统生产力(Net Ecosystem Productivity,NEP);利用岭回归、变异系数(Cv)、莫兰(Moran’s Ⅰ)指数、经验正交函数(EOF)和Hurst指数等方法,对过去20a的黄河流域森林NPP和NEP的时间序列变化和空间分布规律进行分析;选用相关分析、逐步回归和随机森林回归分析各驱动因子对黄河流域森林碳汇的驱动机制;最后运用逐步回归模型和随机森林模型对黄河流域森林碳汇进行预测。主要研究结果如下:(1)2001—2020年间,黄河流域森林NPP年总量和年均NPP以及森林面积均为显著的增加趋势,增速分别为0.61 Tg C a-1、10.10 g C m-2 a-1和0.05万km2 a-1,其中阔叶林NPP的年总量和年均NPP增速高于混交林和针叶林,秋季森林年均NPP显著高于其他季节。森林NPP多年均值空间异质性明显,整体呈现南高北低的分布特征,整体上黄河流域森林NPP呈现增加的趋势,显著增加的面积占比为84.69%,且具有较强的持续性(面积占比为96.46%)。黄河流域森林NPP的变化总体稳定,变异系数均值为0.18。森林NPP多年均值呈现明显的空间相关性(Moran’s Ⅰ指数为0.89),且以高-高和低-低聚集为主,面积占比分别为24.61%和19.36%。2016年森林NPP的空间分布最为典型,且EOF1的方差贡献率最大,为59.02%,可以代表黄河流域20a的森林NPP的分布。(2)整体上黄河流域森林均表现为碳汇,森林NEP年总量和年均NEP都呈现显著的增加趋势(增速:0.52 Tg Ca-1,10.17 g C m-2a-1),其中阔叶林NEP的年总量和年均NEP增速高于混交林和针叶林,秋季森林年均NEP显著高于其他季节。黄河流域森林NEP的多年均值空间异质性明显,整体呈现南高北低的分布特征。整体上黄河流域森林NEP呈现增加的趋势,显著增加的面积占比为71.25%,且具有较强的持续性(面积占比为98.32%)。黄河流域森林NEP的变化总体比较稳定,变异系数均值为0.29。森林NEP多年均值呈现明显的空间相关性(Moran’sⅠ指数为0.82),且以高-高和低-低聚集为主,面积占比分别为31.14%和29.11%。2017年森林NEP的空间分布最为典型,且EOF1的方差贡献率最大,为60.95%,可以代表黄河流域20a的森林NEP的分布。(3)黄河流域森林NEP与纬度(-0.40)、土壤温度(-0.32)和经度(-0.27)呈不同程度的负相关关系,与坡度(0.14)、高程(0.33)、土壤湿度(0.41)、降水(0.41)、光合有效辐射(0.44)和叶面积指数(0.50)呈不同程度的正相关关系。叶面积指数、光合有效辐射、降水、经度和土壤温度是显著影响森林NEP变化的驱动因素。(4)随机森林回归预测模型在测试集上的MAE、RMSE和R2分别为43.07 g C m-2 a-1、57.62 g C m-2 a-1和0.73,在黄河流域森林NEP的预测中有着更好的表现。综上所述,2001—2020年间黄河流域森林面积与森林NPP和NEP年总量、森林年均NPP和NEP都持续增加,整体上黄河流域森林在过去的20a间均表现为碳汇。黄河流域森林NPP和NEP整体上呈现增加趋势,且具有较强的可持续性;森林NPP和NEP多年均值空间异质性明显,大致上均呈现为南高北低的分布规律。2001—2020年间,黄河流域森林NPP和NEP呈现出明显的空间相关性,以高-高和低-低聚集为主,且2016年森林NPP以及2017年森林NEP的空间分布最为典型。叶面积指数、光合有效辐射、降水、经度和土壤温度是显著影响森林NEP变化的驱动因素,采用随机森林回归预测森林NEP的效果更好。GEE遥感云计算平台为黄河流域森林碳汇的长时序分析提供了一种快速、准确的处理方案。