Quantifying the Influence of Climate Change and Anthropogenic Activities on the Net Primary Productivity of China’s Grasslands

Zhou, Xiafei; Peng, Binbin; Zhou, Ying; Yu, Fang; Wang, Xue-Chao

doi:10.3390/rs14194844

开放式访问第条

量化气候变化和人为活动对中国草地净第一性生产力的影响

¹

天津大学管理与经济学院，天津300072

²

中国环境规划研究院生态环境核算中心，北京100012

^三

北京师范大学地理科学学院地球表面过程与资源生态学国家重点实验室，北京100875

⁴

北京师范大学地理科学学院自然资源学院，北京100875

^*

应向其发送信件的作者。

远程传感器。 2022,14(19), 4844;https://doi.org/10.3390/rs14194844

收到的提交文件：2022年9月15日/修订日期：2022年9月24日/接受日期：2022年9月25日/发布日期：2022年9月28日

（本文属于特刊基于遥感技术的陆地植被生产力研究进展)

下载

浏览地物

审查报告版本注释

摘要

:

草地是中国最常见的植被类型之一，约占陆地面积的27.5%，碳储量的41%。由于气候变化（CC）和人类活动（HA）对草地的影响很大，量化CC和HA对草地净第一性生产力（NPP）的贡献对于理解草地区域碳平衡机制至关重要。然而，现有的方法，包括残差趋势法、生物物理模型法和基于环境背景的方法，在不同尺度上都有局限性，尤其是在中国的国家尺度上。为了提高评估准确性，在计算CC和HA对实际NPP（ANPP）的贡献时，对基于环境背景的方法进行了修改。本研究将国家级自然保护区草地ANPP定义为环境背景值（PNPP），仅受CC影响，不受HA影响。自然保护区外的像素PNPP可以替换为同一自然生态地理分区内栖息地最相似的自然保护区内的像素PNDP。HA对草地ANPP（HNPP）的影响可以通过计算PNPP和ANPP的差异来确定。最后，通过ANPP、PNPP和HNPP的趋势来评估CC和HA对ANPP变化的贡献。结果表明，2001-2020年平均草地ANPP显著增加。CC对ANPP变化贡献71.0%，而HA贡献29.0%。降水是干旱和半干旱地区草地生长的主要贡献因素，而温度则抑制了这些地区的生产力。HA是中国草原退化的主要原因，尽管随着时间的推移，其影响有所下降。这项研究可以为政府决策提供支持。为定量评价草原和其他生态系统提供了一种新的、可行的研究方法。

关键词：

草地;核电站;气候变化;人类活动（HA）;贡献

图形摘要

1.简介

植被是生态系统的重要组成部分，在维持气候稳定和碳平衡方面不可或缺，在实现碳排放中性目标方面至关重要[1,2,三]. 净初级生产力（NPP）是指单位时间和单位面积内通过植物光合作用吸收的净碳[4,5]. 它表征了植被的固碳能力，是植物动态的重要量度[6,7,8]. 气候变化（CC）和人类活动（HA）是影响植被NPP变化的两个主要方面[9,10]. CC（如降水和温度变化）显著影响植被的光合作用和呼吸强度[11,12]导致植被NPP增加或减少[7,13]. HA，如过度放牧或土地利用变化，可能导致严重的生态退化[9,14]. 因此，估算CC和HA对植被NPP的影响对于植被管理至关重要。

最近的研究调查了CC和HA对植被NPP的影响[1,9,12]. 目前，应用最广泛的方法主要包括回归分析方法[15,16]，剩余趋势法[1,17]，生物物理模型方法[9,10]和基于环境背景的方法[18]. 回归分析方法相对简单，直接使用回归模型量化CC和HA对植被NPP的影响[19]. 然而，这种方法很难确定CC和HA对植被NPP的各自影响[20]. 残差趋势法通过模拟实际NPP和潜在NPP的残差趋势间接评估人类活动对植被NPP的影响[1,21]. 然而，该方法假设所有植被都受到CC和HA的影响，从而偏离实际情况[22,23]. 例如，HA对国家自然保护区的植被没有影响[18]. 生物物理模型方法采用ThornTwaite纪念模型和卡内基-艾姆斯-斯坦福方法估算潜在和实际NPP值，然后分离CC和HA在植被NPP中的相对贡献[24,25]. 然而，评估植被生理和生态的许多参数都必须进行测量，从而增加了模型的不确定性[10,26]. 基于环境背景的方法是一种分离CC和HA对植被NPP影响的新方法[18]. 该方法将自然保护区植被NPP定义为环境背景值，仅受CC影响，不受HA干扰。然后通过计算环境背景值与保护区外NPP之间的差异来表征HA对植被NPP的影响。该方法提供了一种更精确的方法，但忽略了不同栖息地条件对植被NPP的影响。必须对基于环境背景的方法进行改进和修改，以更准确地估计CC和HA对植被NPP的影响。

草地是中国的主要生态系统，约占中国陆地总面积的27.5%[27,28]. 草原生态系统作为一个碳汇，发挥着关键作用，约占中国碳储量的41%[29,30]. 然而，由于气候变暖、土地利用变化以及过度放牧，中国许多草原遭受了严重的生态退化[10,31]导致区域固碳能力大幅下降[32,33]. 草原退化也导致了许多环境问题（如土壤侵蚀和沙尘暴）[34,35]. 自20世纪90年代末以来，中国政府实施了恢复退化草原的政策，如1999年启动的退耕还林工程和2016年的《退耕还林条例》[31,36]. 成功的环境政策和恢复战略将需要更准确地估计气候和人为因素对草原NPP的影响，这不仅是一项学术实践，而且为草原管理提供重要参考[10,37].

在此背景下，本研究开发了一种改进的基于环境背景的方法，以确定中国草地NPP变化的关键影响因素。本研究的目标如下：（i）调查2001-2020年草地NPP时空动态，（ii）量化CC和HA对草地NPP的相对贡献，以及（iii）探索草地NPP与主要气候因子的关系。

2.材料和方法

2.1. 研究区域

选择中国草原生态系统作为研究区域，分布在甘肃、陕西、新疆、西藏、内蒙古和河北等行政区域(图1) [38,39,40]. 这些地区主要位于干旱和半干旱地区[39]. 从多年来的过度放牧和土地利用变化来看，研究区的生态退化越来越严重[41,42].

2.2. 数据源

主要研究数据包括土地利用、净初级生产力、降雨量、温度、生态地理分区和国家自然保护区数据。2000年至2018年的土地利用数据、2001年至2020年的净初级生产力数据以及2001年至2020年的降雨量和温度分别来自欧洲航天局、美国地质调查局和中国气象数据网。生态地理分区数据和DEM数据来自资源与环境科学和数据中心(图2). 国家自然保护区数据来自中国生态环境部(图3)分为三个区域：核心区、缓冲区和实验区[43]. 核心区受到严格保护，不受任何人类活动的影响，但在缓冲区内，允许进行科学研究和观察。在实验区内，可以进行参观考察、旅游、珍稀濒危野生动植物的繁殖和特定的生产活动[44]. 所有数据均重新采样至1 km×1 km的空间分辨率，以便进行统一分析(表1).

2.3. 方法

2.3.1. 草地空间范围的提取

由于2001-2020年草地生态系统持续变化，本研究仅考虑了未改变的草地区域。2001年、2006年、2011年、2016年和2018年保持不变的草地面积被用作最终的空间草地范围(图4).

2.3.2. NPP计算

对基于环境背景的方法的改进被用于计算NPP。分析了三种类型的核电站：实际核电站(ANPP公司)，潜在核电站(PNPP公司)和人为NPP(HNPP公司). 这个ANPP公司估计CC和HA的综合影响。这个PNPP公司预测不受人类干扰的理想状态，并完全由气候条件决定。这个HNPP公司，表示HA的影响，然后可以使用方程式（1）进行计算：

H（H） N个 P（P） P（P） = P（P） N个 P（P） P（P） - A类 N个 P（P） P（P）

(1)

这个ANPP公司由NASA根据MOD17A3数据计算得出。对于PNPP公司由于国家级自然保护区的核心区严格禁止一切干扰，因此可以假设核心区的草原只受CC的影响，不受HA的影响。因此，草原PNPP公司在核心区域大约等于ANPP公司此外，如果两个像素的栖息地（海拔、坡度、坡向、降水量、温度等）完全相似，我们可以假设PNPP公司两个像素中的可能近似相等[45]，请参阅支持信息以进行假设验证。因此，像素PNPP公司核心区域外可以用像素替换PNPP公司在同一自然生态地理区划中与栖息地最相似的自然保护区。相似像素匹配主要基于ArcGIS相似搜索算法的原理，通过Matlab编程实现。

2.3.3. 趋势分析

为了分析2001年至2020年的NPP动态，使用Theil Sen中值斜率法作为方程（2）[46,47]. 利用Mann-Kendall（M-K）测试趋势的显著性水平[47].

S公司 我 o个 第页 {e（电子）}_{秒 e（电子） n个} = 中值的 (问_{我}) = 中值的 (\frac{{x个}_{j个} - {x个}_{我}}{j个 - 我})

(2)

哪里x个_我和x个_j个NPP值在我th和j个第年(j个>我)分别是。

2.3.4. CC和HA对ANPP的相对贡献

CC和HA对NPP的贡献可以通过不同NPP类型的组合斜率分析进行定量评估[47,48]. A积极S公司_ANPP公司表示草地恢复，而负值表示草地退化[10]. 使用不同的S公司_PNPP公司和S公司_HNPP公司结合，确定了六种情景，描述了CC和HA的影响(表2) [20].

2.3.5. 相关性分析

为了确定ANPP、温度和降雨量之间的相关性，使用了多重相关分析和F检验[20]. 利用偏相关和t检验来估计ANPP与温度和降雨量的关系[49].

3.结果

3.1. 草地ANPP的时空特征

3.1.1. ANPP的空间异质性分析

2001-2020年平均草地ANPP为148.63 g C·m⁻²·年⁻¹从空间分布来看，从东南到西北，草原ANPP值显著下降(图5). ANPP值最高的地区主要分布在内蒙古东北部、河北东北部、山西、甘肃东南部、四川东北部、新疆西北部和云南部分地区(图5).

3.1.2. ANPP的时空变化

平均草地ANPP呈显著增加趋势(图6)表明CC和HA的协同作用在给定的研究期内导致草地显著生长。约89.1%的草地ANPP呈上升趋势(图7a） ●●●●。统计上显著的增长趋势占草地的48.3%(图7b）主要分布于内蒙古中部、青海东南部、新疆西北部、四川西北部和西藏东北部。相比之下，10.9%的草地ANPP呈下降趋势(图7a） ●●●●。ANPP显著下降的地区仅占草原的0.6%(图7b）主要分布于西藏中部和东南部、青海东南部和新疆西北部。

3.2. CC和HA对ANPP的贡献

3.2.1. PNPP和HNPP的变化趋势

为了区分CC和HA对ANPP的贡献，我们首先计算了2001年至2020年PNPP和HNPP的变化趋势。PNPP趋势表明，CC对草地生长有正向影响，占总面积的92.9%。相比之下，只有7.1%的草原受到CC的不利影响，主要分布在西藏东南部、新疆西北部、四川西北部和云南东北部(图8).

HNPP趋势表明HA对草地生长（S_HNPP公司>0），占陆地面积的62.0%。在其余38.0%的草地中，人为活动对草地生长有积极影响（S_HNPP公司< 0) (图9).

3.2.2. CC和HA对ANPP的相对贡献

利用ANPP、PNPP和HNPP变化趋势的计算结果，评估了CC和HA对ANPP变化的贡献，并将受CC影响较大的区域与主要受HA影响的区域进行了比较。在受CC和HA影响的38.4%的ANPP区域中，气候主导区占47.8%，而人类主导区占13.8%(图10a） ●●●●。

如所示图10b、在中国大多数草原，CC对ANPP的影响大于HA。HA贡献大于CC的少数地区主要分布在西藏东南部、青海中部和东北部、新疆西部和内蒙古中部。一般来说，CC对ANPP变化的贡献为71.0%，而HA的影响为29.0%。

3.3. ANPP与气候因子的关系

3.3.1. 多重相关性

根据以往的研究，温度和降水是影响ANPP变化的主要气候因素[50,51,52]. 为了进一步探讨其内在影响机制，应用多元线性回归估计了ANPP与年平均气温和年平均总降水量的相关性。结果表明，ANPP与温度和降水量呈正相关。具有显著正相关的面积占总面积的46.5%。相比之下，其余53.5%未表现出显著正相关，主要分布在新疆西北部、四川西北部、西藏东南部、青海东南部和陕西北部(图11). 我们还进一步估计了ANPP与生长季平均温度和总降雨量之间的相关性(图12)相关系数的空间分布与图11具有显著正相关的区域占总面积的40.5%。相比之下，其余59.5%的人没有表现出显著的正相关(图12).

3.3.2. 部分相关性

为了在空间上确定ANPP与年平均温度和年平均总降水量的关系，我们绘制了它们的偏相关结果(图13和图14). 67.0%的草地地区降水量与ANPP呈正相关。关系显著的地区主要分布在宁夏、青海东南部、内蒙古和新疆西北部，占30.5%(图13). 73.1%的草原温度与ANPP呈正相关，且显著正相关的地区主要分布在青海、西藏、甘肃中部和宁夏中部，占26.9%(图14). 我们还进一步估计了ANPP与生长季平均温度和总降雨量之间的部分相关性(图14和图15). 66.2%的草地地区降水量与ANPP呈正相关。关系显著的地区主要分布在宁夏、青海东南部、内蒙古和新疆西北部，占28.3%(图15). 62.0%的草原温度与ANPP呈正相关，且显著正相关的区域主要分布在青海、西藏、甘肃中部和宁夏中部，占38.0%(图16).

4.讨论

4.1. CC对ANPP的影响

气候变化是植被动态的关键决定因素[53,54,55]. 许多研究已确定降水和温度是影响ANPP变化的主要气候因素[56,57]. 基于ANPP与主要气候因子的多元和偏相关分析，我们发现近20年来中国草原的ANPP总体上呈上升趋势。降雨量有利于草地生长，特别是在干旱和半干旱地区，如甘肃、内蒙古和新疆(图13和图15). 相反，我们的结果表明，温度阻碍了这些地区的草地生长(图14和图16)与以往研究结论一致[1]. 由于水分是影响干旱和半干旱地区草地生产力的最主要因素，温度升高可能导致蒸发加剧和水分减少，导致草地退化加剧[31,51].

本研究评估了CC和HA对草地ANPP变化的影响。总的来说，CC对中国大多数草原的ANPP有积极影响，并且比HA的影响更大(图10). 这一发现与之前的研究一致[1]. 我们的结果还表明，CC不利于某些地区草地ANPP的变化，尤其是在西藏东南部(图10). 这主要是由于这一时期该地区降水量减少，气温升高，大大阻碍了草地的生长[31].

此外，在青海中部、内蒙古中部、西藏中部和新疆西部等草原恢复区，CC的贡献较小(图10). 其中，CC在青海中部和内蒙古中部的贡献较小，主要是因为它们位于人口密集区，人类活动的贡献较大，对草地恢复有积极影响，这与[31,32]. 然而，CC在西藏中部等地的贡献较小，主要是由于过去20年来放牧活动明显减弱[三]. CC在新疆西部等地的贡献较小，与[31,32]，这可能是由于方法不一致。

4.2. HA对ANPP的影响

人为活动对草原NPP变化也至关重要[5,52,58]. 人类行为，例如过度放牧、土地利用变化和过度开发，可能导致草地严重退化[9,59]. 我们的结果表明，HA是中国草原退化的主要原因(图10). 退化区主要分布在西藏东南部、新疆西北部和青海东南部(图10)这主要是因为这些地区的放牧强度很高[10,31]. 该结果与[31,36].

在中国大多数草原地区，HA对草地生长（S_HNPP公司>0），占陆地面积的62.0%(图9). 草地面积增长趋势显著，占15.1%，主要分布在青海中部、新疆西南部和西藏西南部。其中，新疆西南部和西藏西南部的HA影响较大，主要是由于放牧活动增加[10,31]. 青海中部的HA影响很大，主要是因为它位于人口集中区。

4.3. CC和HA对草地ANPP影响的定量评价方法

定量和综合评估气候变化影响和人为影响对草原NPP的影响仍然是一项重大挑战[60,61]. 以往的研究主要分别分析了CC或HA对草地NPP的影响[62,63,64,65]只有少数研究进行了全面评估。最广泛使用的定量方法（即回归分析、残差趋势、生物物理模型和基于环境背景的方法）都包含相当程度的不确定性[1,24,66]. 为了提高草地NPP评估的准确性，我们对基于环境背景的方法进行了修改，以计算CC和HA对NPP的贡献。

在我们的方法中，将自然保护区的草地NPP作为环境背景值，并假设其仅受CC影响，不受HA影响。然后通过计算环境背景值与保护区外NPP之间的差异来表征人为活动对植被NPP的影响。我们的结果与[31,34]，表明所开发方法的可靠性。

我们提出的方法优于回归分析和残差趋势法，因为它改进了气候和人为影响对草地NPP的区分。我们的方法比基于生物物理模型的方法要好，因为它可以避免各种模型参数的计算不确定性。此外，与传统的基于环境背景的方法相比，我们的方法提供了更好的结果，因为可以消除生态地理分区对草地NPP的影响。因此，本研究可以为政府决策提供支持，并为草原和其他生态系统的定量评价提供方法学参考。

然而，这项研究也有一些局限性。首先，我们假设核心区外的草地PNPP像素可以替换为同一自然生态地理分区中栖息地最相似的自然保护区中的像素PNPP。由于数据的可用性，我们仅将关键因素，如降雨量、温度、坡度、坡向和海拔，作为类似的栖息地条件进行判断，而忽略了生物因素的影响（例如引入的物种、演替）[67]. 在一些自然生物因素干扰较大的地区存在一定的误差。第二，尽管本研究构建的方法准确地确定了CC和HA对草地NPP的贡献，但它无法进一步分离不同类型的人类活动（例如过度放牧或环境污染）对净初级生产力的影响。因此，我们将在今后的研究中重点解决上述问题。

5.结论

本研究开发了一种改进的基于环境背景的方法来区分CC和HA对草地NPP的影响。结果表明，2001-2020年中国草地平均ANPP呈显著上升趋势，89.1%的草地呈上升趋势，10.9%的草地呈下降趋势。研究结果还表明，CC对中国草原NPP变化的影响大于HA。CC对ANPP变化的贡献率为71.0%，而HA对ANPP的变化贡献率为29.0%。在干旱和半干旱地区，降水有利于草地的生长，而温度则抑制了草地的生长。虽然HA是草地退化的主要原因，但它对中国大多数草地的影响都有所下降。

作者贡献

概念化，F.Y.和X.Z。；方法，F.Y.、X.C.W.、X.Z.和Y.Z。；软件、B.P.和X.Z。；验证，B.P。；分析，X.Z。；调查，X.Z。；书面原稿编制，X.Z。；写作审查和编辑，F.Y.和X.C.W。；资助收购，F.Y.和X.-C.W.所有作者都已阅读并同意手稿的出版版本。

基金

本研究得到了国家自然科学基金（72074156）、国家社会科学基金重大项目（21&ZD166）、中央高校基本科研业务费（310421102）、地球表面过程与资源生态学国家重点实验室项目（370100014）的资助。

数据可用性声明

本研究中提供的数据可向相应作者索取。

致谢

作者感谢美国地质调查局和资源与环境科学数据中心提供的研究数据，也感谢Yu和Wang对患者的指导。作者还感谢编辑和匿名审稿人对手稿的积极评价。

利益冲突

作者声明没有利益冲突。

工具书类

Ge，W。；邓，L。；Wang，F。；Han，J.量化2001-2016年人类活动和气候变化对中国植被净初级生产力动态的贡献。科学。总环境。 2021,773, 145648. [谷歌学者] [交叉参考]
现场，C.B。；M.J.贝伦菲尔德。；Randerson，J.T。；Falkowski，P.生物圈的初级生产：整合陆地和海洋成分。科学类 1998,281, 237–240. [谷歌学者] [交叉参考] [公共医学]
翟，D。；高，X。；李，B。；袁，Y。；姜瑜。；刘，Y。；李毅。；李，R。；刘伟。；Xu，J.青海-西藏高原高寒草地生产力关键植物发育阶段的驱动气候因素。远程传感器。 2022,14, 1564. [谷歌学者] [交叉参考]
吴，C。；侯，X。；彭，D。；Gonsamo，A。；Xu，S.《1999-2013年中国温带生态系统的地表物候：时空格局、相互作用效应、与气候的协变以及对生产力的影响》。农业。对于。美托洛尔。 2016,216, 177–187. [谷歌学者] [交叉参考]
赵伟。；吴杰。；沈（音）。；刘，L。；林，J。；Yang，J.根据植被的近红外辐射估算冬小麦净初级生产力。科学。总环境。 2022,838, 156090. [谷歌学者] [交叉参考] [公共医学]
波特，C。；克鲁斯特，S。；Genovese，V.2000年至2009年陆地生态系统的净初级生产力。攀登。青稞酒。 2012,115, 365–378. [谷歌学者] [交叉参考]
Yu，K。；Ciais，P。；Seneviratne，S.I.公司。；刘，Z。；陈，H.Y.H。；巴里奇维奇，J。；艾伦，C.D。；Yang，H。；黄，Y。；Ballantyne，A.P.基于实地的树木死亡率约束减少了对模型预测的森林碳汇的估计。国家公社。 2022,13, 2094. [谷歌学者] [交叉参考]
Restrepo，H.I。；蒙特斯，C.R。；布洛克，B.P。；Mei，B.气候变异因素对潜在净初级生产力不确定性的影响：用随机空间3-PG模型进行分析。农业。对于。美托洛尔。 2022,315, 108812. [谷歌学者] [交叉参考]
谢，C。；Wu，S。；庄，Q。；张，Z。；Hou，G。；罗，G。；在发生人为活动的地方，人为活动主导着植被净初级生产力的变化。远程传感器。 2022,14, 1092. [谷歌学者] [交叉参考]
Zhang，Y。；王，Q。；王，Z。；Yang，Y。；Li，J.蒙古高原不同政权政策下人类活动和气候变化对草地动态的影响。科学。总环境。 2020,698, 134304. [谷歌学者] [交叉参考]
医学博士Hidalgo-Galvez。；巴考伊，K。；沃莱尔，F。；马蒂亚斯，L。；坎布罗尔，J。；Fernandez-Rebollo，P。；Carbonero，医学博士。；Perez-Ramos，I.M.树木能缓冲气候变化对牧场生产和地中海德黑萨消化率的影响吗？科学。总环境。 2022,835, 155535. [谷歌学者] [交叉参考] [公共医学]
Yang，G。；Hautier，Y。；张，Z。；卢，X。；Han，X.在局部和更大空间尺度上，生产力的地上和地下稳定性对氮素添加的解耦响应。手套。青稞酒。生物。 2022,28, 2711–2720. [谷歌学者] [交叉参考] [公共医学]
赵，M。；Running，S.W.，2000年至2009年全球陆地净初级生产的干旱减少。科学类 2010,329, 940–943. [谷歌学者] [交叉参考] [公共医学]
Qu，S。；Wang，L。；Lin，A。；Yu，D。；袁，M。；Li，C.区分气候变化和人为因素对中国长江流域植被动态的影响。经济。印度。 2020,108, 105724. [谷歌学者] [交叉参考]
杜，X。；金，X。；杨，X。；杨，X。；周勇。江苏省土地利用变化的空间格局及其驱动力。国际环境杂志。公共卫生研究 2014,11, 3215–3232. [谷歌学者] [交叉参考]
Del Grosso，S.根据植被等级、降水量和温度预测全球潜在净初级生产力。生态学 2008,89, 2971. [谷歌学者] [交叉参考]
刘，G。；邵，Q。；范，J。；宁，J。；荣，K。；黄，H。；刘，S。；张，X。；牛，L。；Liu，J.过去20年中国植被净第一性生产力的变化趋势和恢复潜力。远程传感器。 2022,14, 1634. [谷歌学者] [交叉参考]
欧阳，L。；马，H。；王，Z。；王，Z。；于欣。气候变化和人类活动对内蒙古东部草地净初级生产力的影响。《经济学报》。罪。 2020,40, 6912–6924. [谷歌学者]
米勒，T。；Dressler，G。；塔克，C.J。；Pinzon，J.E。；Leimgruber，P。；R.O.Dubayah。；G.C.赫特。；Boehning-Gaese，K。；Fagan，W.F.人类土地利用实践导致全球长期光合能力增加。远程传感器。 2014,6, 5717–5731. [谷歌学者] [交叉参考]
尹，L。；戴，E。；郑，D。；王，Y。；马，L。；Tong，M.是什么驱动了中国西南横断山区的植被动态：气候变化还是人类活动？经济。印度。 2020,112, 106013. [谷歌学者] [交叉参考]
齐，X。；贾，J。；刘，H。；Lin，Z.气候变化和人类活动对中国丝绸之路经济带多时间尺度植被变化的相对重要性。卡特纳 2019,180, 224–237. [谷歌学者] [交叉参考]
李，X。；罗，Y。；2000年至2020年珠江三角洲城市化与碳封存的脱钩关系。远程传感器。 2022,14, 526. [谷歌学者] [交叉参考]
Shi，Y。；Jin，N。；马，X。；吴，B。；何，Q。；Yue，C。；Yu，Q.使用机器学习技术将气候和人类活动归因于中国的植被变化。农业。对于。美托洛尔。 2020,294, 108146. [谷歌学者] [交叉参考]
滕，M。；曾磊。；胡，W。；王，P。；严，Z。；He，W。；Zhang，Y。；Huang，Z。；肖伟（Xiao，W.）。气候变化和人类活动对净初级生产力的影响在中国西北部的一个生态交错带上各不相同。科学。总环境。 2020,714, 136691. [谷歌学者] [交叉参考] [公共医学]
李，C。；王，Y。；吴，X。；曹，H。；李伟（Li，W.）。；Wu，T.减少人类活动促进干旱和半干旱地区的环境恢复：以中国西北部为例。科学。总环境。 2021,768, 144525. [谷歌学者] [交叉参考]
李，H。；张，H。；李，Q。；赵，J。；郭，X。；Ying，H。；邓，G。；Rihan，W。；Wang，S.东北地区不同地形和土地覆盖下植被生产力动态对气候变化和人类活动的响应。远程传感器。 2021,13, 975. [谷歌学者] [交叉参考]
刘，H。；Hou，L。；Kang，N。；Nan，Z。；Huang，J.中国草地生态系统服务经济价值的荟萃回归分析。经济。印度。 2022,138, 108793. [谷歌学者] [交叉参考]
黄，L。；宁，J。；朱，P。；郑毅。；翟，J.中国北方草地生态系统对草料-牲畜平衡的保护模式。J.地理。科学。 2021,31, 518–534. [谷歌学者] [交叉参考]
Yu，G。；李，X。；王，Q。；Li，S.中国陆地生态系统碳储量及其空间格局。J.资源。经济。 2010,1, 97–109. [谷歌学者]
徐，L。；Yu，G。；从20世纪80年代到2010年代，中国陆地生态系统的土壤有机碳储量增加。J.地质。科学。 2019,29, 49–66. [谷歌学者] [交叉参考]
Yan，Y。；刘，X。；温，Y。；欧J.气候和人为因素对中国北方草地生产力贡献的定量分析。经济。印度。 2019,103, 542–553. [谷歌学者] [交叉参考]
Ge，J。；侯，M。；Liang，T。；冯（Q.Feng）。；孟，X。；刘杰。；鲍，X。；Gao，H.中国北方近20年草地地上生物量时空动态及其驱动因素。科学。总环境。 2022,826, 154226. [谷歌学者] [交叉参考] [公共医学]
宋，Z。；Wu，Y。；Yang，Y。；张，X。；Van Zwieten，L。；北伯兰。；Li，Z。；刘，H。；郝，Q。；Yu，C。；等。中国草原植硅石中稳定固碳的高潜力。手套。青稞酒。生物。 2022,28, 2736–2750. [谷歌学者] [交叉参考] [公共医学]
周，W。；Gang，C。；周，L。；陈，Y。；李，J。；Ju，W。；Odeh，I.中国西北地区草地植被退化动态及其定量评估。《海洋学报》。 2014,55, 86–96. [谷歌学者] [交叉参考]
郭毅。；李，R。；Yang，Y。；马，J。；Zheng，H.整合未来草原退化风险，提高生态系统服务支付的空间目标效率。J.环境。管理。 2022,317, 115490. [谷歌学者] [交叉参考]
周，W。；Yang，H。；黄，L。；陈，C。；林，X。；胡，Z。；1982-2010年中国草地退化遥感监测与驱动因子定量评价。经济。印度。 2017,83, 303–313. [谷歌学者] [交叉参考]
Naeem，S。；Zhang，Y。；田，J。；F.M.Qamer。；拉蒂夫，A。；Paul，P.K.量化1985年至2015年中国人为活动和气候变化对植被生产力变化的影响。远程传感器。 2020,12, 1113. [谷歌学者] [交叉参考]
王，X。；潘，S。；潘，N。；Pan，P.通过基于卫星的太阳能诱导叶绿素荧光监测中国北方草原生产力对干旱的响应。科学。总环境。 2022,830, 154550. [谷歌学者] [交叉参考]
Zhang，Y。；杜，R。；陈，H。；杜，P。；张，S。；2019年内蒙古草原新型冠状病毒流行前后雨水和表土中微生物多样性和特殊功能微生物的不同特征。科学。总环境。 2022,809, 151088. [谷歌学者] [交叉参考]
卢，L。；孙，Z。；Qimuge，E。；Ye，H。；黄，W。；聂，C。；王凯。；Zhou，Y.利用遥感数据和物种-环境匹配模型预测中国北方草原啮齿动物的潜在分布。远程传感器。 2022,14, 2168. [谷歌学者] [交叉参考]
姜浩。；Xu，X。；关，M。；Wang，L。；黄，Y。；Liu，Y.中国社会经济和生态过程综合模型的土地利用时空变化模拟。持续性 2019,11, 3627. [谷歌学者] [交叉参考]
吴，X。；Dang，X。；孟，Z。；傅，D。；Cong，W。；赵，F。；Guo，J.放牧管理对中国北方半干旱草原优先水流和渗透模式的影响机制。科学。总环境。 2022,813, 152082. [谷歌学者] [交叉参考] [公共医学]
徐，J。；Sun，G。；Liu，Y.中国保护区形式和功能的多样性和复杂性。J.国际野生动物。法律政策 2014,17, 102–114. [谷歌学者] [交叉参考]
Wandesforde-Smith，G。；斯奈德，K.D。；《中国生物多样性保护区：科学、法律和顽固的党国》。社会科学。电子。出版物。 2014,17, 1476–1548. [谷歌学者] [交叉参考]
关于地理学第一定律：一个答复。美国地质协会年鉴。 2004,94, 304–310. [谷歌学者] [交叉参考]
魏，X。；杨，J。；罗，P。；林，L。；Lin，K。；Guan，J.评估不同自然条件下植被NPP和碳汇容量的变化及其影响因素。经济。印度。 2022,138, 108834. [谷歌学者] [交叉参考]
姜浩。；Xu，X。；关，M。；Wang，L。；黄，Y。；Jiang，Y.确定2000年至2015年中国北方农牧交错带气候变化和人类活动对植被动态的贡献。科学。总环境。 2020,718, 134871. [谷歌学者] [交叉参考]
王，Y。；张，Z。；Chen，X.中国长江流域森林变化的主导驱动力：气候变化还是人类活动？森林 2022,13, 82. [谷歌学者] [交叉参考]
马·R。；夏，C。；刘，Y。；王，Y。；张杰。；沈，X。；卢，X。；Jiang，M.中国温带草原净初级生产力时空变化及其对气候变化的响应。前面。植物科学。 2022,13, 899800. [谷歌学者] [交叉参考]
马，J。；翁，B。；Bi，W。；徐，D。；徐，T。；Yan，D.气候变化对喀斯特地区典型作物生长的影响：贵州省的案例研究。高级Meteorol。 2019,2019, 16. [谷歌学者] [交叉参考]
胡佛，D.L。；Hajek，O.L。；医学博士史密斯。；Wilkins，K。；斯莱特，I.J。；Knapp，A.K.半干旱草原的复合水文气候极端：干旱、洪水和碳循环。手套。青稞酒。生物。 2022,28, 2611–2621. [谷歌学者] [交叉参考] [公共医学]
潘，Y。；R.B.杰克逊。；霍林格，D.Y。；菲利普斯，O.L。；R.S.诺瓦克。；R.J.诺比。；奥伦，R。；赖希，P.B。；Luescher，A。；穆勒，K.E。；等。对比木本和草地生态系统对随供水量变化而增加的CO2的响应。自然生态。进化。 2022,6, 315. [谷歌学者] [交叉参考] [公共医学]
王，S。；张，B。；杨琼。；陈，G。；杨，B。；卢，L。；沈，M。；Peng，Y.中国青藏高原净初级生产力对物候动态的响应。农业。对于。美托洛尔。 2017,232, 235–246. [谷歌学者] [交叉参考]
张，M。；袁，N。；Lin，H。；刘，Y。；Zhang，H.使用过去二十年的Landsat时间序列数据定量估计影响洞庭湖湿地NPP时空变化的因素。经济。印度。 2022,135, 108544. [谷歌学者] [交叉参考]
马，S。；李毅。；Zhang，Y。；Wang，L。；姜杰。；Zhang，J.从地理空间角度区分气候和土地利用/覆盖变化对生态系统服务的相对贡献。经济。印度。 2022,136, 108645. [谷歌学者] [交叉参考]
Chen，T。；唐·G。；袁，Y。；郭，H。；徐，Z。；江，G。；Chen，X.揭示过去三十年来气候变化和人类活动对中亚草原生产力的相对影响。科学。总环境。 2020,743, 140649. [谷歌学者] [交叉参考]
王，S。；张，Q。；岳，P。；Wang，J。；杨，J。；Wang，W。；张，H。；任，X.中国大陆降水利用效率及其与气候类型的转换。远程传感器。 2022,14, 2467. [谷歌学者] [交叉参考]
周，Y。；岳，D。；郭杰。；赵，Z。；Meng，X.评估中国白龙河流域土地转换和管理措施对净初级生产力的影响。卡特纳 2021,207, 105672. [谷歌学者] [交叉参考]
刘，H。；曹，L。；贾，J。；龚，H。；齐，X。；Xu，X.中国干旱和半干旱地区土地利用变化对净初级生产力非线性趋势的影响。土地退化。开发。 2021,32, 2183–2196. [谷歌学者] [交叉参考]
Yan，W。；王，Y。；乔杜里，P。；Ju，P.等人。；朱，Q。；康，X。；陈，H。；He，Y.1990年至2015年气候变化和人类活动对若尔盖高原湿地净初级生产力的影响。手套。经济。保护。 2022,35，e02052。[谷歌学者] [交叉参考]
熊，Q。；Xiao，Y。；梁，P。；李，L。；张，L。；李·T。；潘，K。；Liu，C.气候变化趋势和人类干预表明了1980年至2015年青藏高原的草地生产力。经济。印度。 2021,129, 108010. [谷歌学者] [交叉参考]
杜，J。；傅琦。；方，S。；吴杰。；何，P。；权，Z。过去四十年来，快速城市化对中国大城市植被覆盖的影响。经济。印度。 2019,107, 105458. [谷歌学者] [交叉参考]
赵，L。；刘，Z。；胡，Y。；周，W。；彭，Y。；马，T。；刘，L。；李，S。；Wang，L。；Mao，X.根据气候变化和放牧活动对青海省高寒草原生产力的相对贡献，评估合理放牧率。远程传感器。 2022,14, 1455. [谷歌学者] [交叉参考]
Lei，T。；吴杰。；李，X。；耿，G。；邵，C。；周，H。；王，Q。；Liu，L.评估干旱对草地净初级生产力影响的新框架。科学。总环境。 2015,536, 161–172. [谷歌学者] [交叉参考] [公共医学]
Gang，C。；赵伟。；Zhao，T。；Zhang，Y。；高，X。；文中。土地流转和管理措施对黄土高原草地净第一性生产力的影响。科学。总环境。 2018,645, 827–836. [谷歌学者] [交叉参考] [公共医学]
周，Y。；岳，D。；李，C。；Mu，X。；郭，J.确定净初级生产力的空间驱动因素：中国白龙河流域的案例研究。手套。经济。保护。 2021,28，e01685。[谷歌学者] [交叉参考]
潘，Y。；Yu，C。；张，X。；陈，B。；吴杰。；Tu，Y。；苗，Y。；Luo，L.气候和人类对净初级生产力影响区域评估的修正框架。经济。印度。 2016,60, 184–191. [谷歌学者] [交叉参考]

图1。研究区域。

图2。中国生态地理分区数据。

图3。中国国家级自然保护区的空间分布。

图4。中国草原的空间范围。

图5。年平均ANPP的空间分布（2001-2020）。

图6。ANPP年平均值的变化（2001-2020）。

图7。(一)ANPP趋势（2001-2020）和(b)显著性水平。（注：K（K）是ANPP的变化趋势，以及P（P）是显著性水平）。

图8。(一)PNPP趋势（2001-2020）和(b)显著性水平。（注：K（K）是ANPP的变化趋势，以及P（P）是显著性水平）。

图9。(一)HNPP趋势（2001-2020）和(b)显著性水平。（注：K（K）是ANPP的变化趋势，以及P（P）是显著性水平）。

图10。的空间模式(一)驱动因素和(b)对ANPP变更的贡献。

图11。的空间分布(一)ANPP与年平均气温和年平均总降水量的多重相关系数(b)显著性水平。

图12。的空间分布(一)ANPP与生长季平均气温和总降水量的多重相关系数(b)显著性水平。

图13。的空间模式(一)ANPP与年平均总降水量和(b)相应的显著性水平。

图14。的空间模式(一)ANPP与年平均气温和(b)相应的显著性水平。

图15。的空间模式(一)ANPP与生长季总降水量的偏相关系数(b)相应的显著性水平。

图16。的空间模式(一)ANPP与生长季平均温度的偏相关系数(b)相应的显著性水平。

表1。数据源。

数据	网站	数据类型	分辨率
LULC（CCI土地覆盖）	https://www.esa-landcover-cci.org（2022年1月4日）	光栅	300米
核电站	https://lpdaacsvc.cr.usgs.gov（2022年1月10日）	光栅	1公里
降雨量和温度	网址：https://data.cma.cn/（2022年1月16日）	矢量
生态地理分区	https://www.resdc.cn/（2022年1月25日）	矢量
数字高程模型	https://www.resdc.cn/（2022年1月27日）	光栅	1公里
国家自然保护区	https://www.resdc.cn/（2022年1月28日）	矢量

表2。定义的场景。

方案		驱动因素	贡献
方案		驱动因素	气候（%）	人类（%）
S公司_ANPP公司> 0	S公司_PNPP公司> 0,S公司_HNPP公司< 0	两者都有	$\frac{100 \times \| {S公司}_{P（P） N个 P（P） P（P）} \|}{\| {S公司}_{P（P） N个 P（P） P（P）} \| + \| {S公司}_{H（H） N个 P（P） P（P）} \|}$	$\frac{100 \times \| {S公司}_{H（H） N个 P（P） P（P）} \|}{\| {S公司}_{P（P） N个 P（P） P（P）} \| + \| {S公司}_{H（H） N个 P（P） P（P）} \|}$
	S公司_PNPP公司< 0,S公司_HNPP公司< 0	人类活动	0	100
	S公司_PNPP公司> 0,S公司_HNPP公司> 0	气候变化	100	0
S公司_ANPP公司< 0	S公司_PNPP公司< 0,S公司_HNPP公司> 0	两者都有	$\frac{100 \times \| {S公司}_{P（P） N个 P（P） P（P）} \|}{\| {S公司}_{P（P） N个 P（P） P（P）} \| + \| {S公司}_{H（H） N个 P（P） P（P）} \|}$	$\frac{100 \times \| {S公司}_{H（H） N个 P（P） P（P）} \|}{\| {S公司}_{P（P） N个 P（P） P（P）} \| + \| {S公司}_{H（H） N个 P（P） P（P）} \|}$
	S公司_PNPP公司> 0,S公司_HNPP公司> 0	人类活动	0	100
	S公司_PNPP公司< 0,S公司_HNPP公司< 0	气候变化	100	0

注：S公司_ANPP公司,S公司_PNPP公司、和S公司_HNPP公司是的坡度ANPP公司,PNPP公司和HNPP公司分别是。

出版商备注：MDPI在公布的地图和机构隶属关系中对管辖权主张保持中立。

分享和引用

MDPI和ACS样式

周，X。；彭，B。；周，Y。；Yu，F。；X.C.王。量化气候变化和人为活动对中国草地净初级生产力的影响。远程传感器。 2022,14, 4844.https://doi.org/10.3390/rs14194844

AMA风格

周X、彭B、周Y、于F、王X-C。量化气候变化和人为活动对中国草地净初级生产力的影响。遥感. 2022; 14(19):4844.https://doi.org/10.3390/rs14194844

芝加哥/图拉宾风格

周、夏飞、彭斌、周颖、方瑜和王学超。2022.“量化气候变化和人为活动对中国草地净初级生产力的影响”遥感14，19号：4844。https://doi.org/10.3390/rs14194844

请注意，从2016年第一期开始，该杂志使用文章编号而不是页码。请参阅更多详细信息在这里.

文章菜单