Institutional Repository of Xinjiang Institute of Ecology and Geography, CAS
Not a member yet
    7341 research outputs found

    Wind-tunnel Simulation on the Effect of Salt Content in Sediment of Dry Lake Basin of Taitema Lake on Wind Erosion

    No full text
    我国干旱区尾闾湖泊面临严峻的萎缩、 咸化、 干涸及风蚀沙化问题。 以往研究主要侧重于沉积物盐分含量及盐尘扩散等方面, 而关于丰水-枯水(湿-干) 交替状况下水量、 含盐量、 机械组成对沉积物风蚀量影响的研究鲜有报道。 本文通过对台特玛湖干涸湖盆区野外调查、 原状土样风蚀模拟, 实验室制备不同水量湿-干交替、 结皮不同含盐量、 不同机械组成试样以模拟干涸湖盆真实状况, 测定了各试样结皮厚度、 硬度、 抗剪强度、 含水量、 含盐量, 并在风洞中开展不同风速及时间、 不同沙源供给条件下的吹蚀试验, 测定并计算其风蚀率, 揭示了沉积物湿-干交替、 含盐量及机械组成差异对地表风蚀的影响规律。 主要研究结论如下:(1) 台特玛湖干涸湖盆区沉积物风蚀特征: 研究区含盐量较高, 空间差异较大, 丘间湖相沉积地表及荒漠-绿洲过渡带沉积物含盐量基本小于盐渍荒漠化区; 土壤硬度、 抗剪强度表现为: 丘间湖相沉积地表<荒漠-绿洲过渡带<盐渍荒漠化-黑色地表<盐渍荒漠化-芦苇根覆盖地表<盐渍荒漠化-盐结壳地表。净风及携沙风条件下, 不同区域沉积物抗风蚀能力差异明显, 丘间湖相沉积地表与荒漠-绿洲过渡带累积风蚀率显著大于盐渍荒漠化区。 同时, 不同区域沉积物风蚀量随风速的增加也产生一定差异, 净风时, 丘间湖相沉积地表及荒漠-绿洲过渡带沉积物风蚀量随风速增加显著增大, 而盐渍荒漠化区沉积物抗风蚀能力较强,风蚀量随风速增加无显著变化。(2) 不同水量湿-干交替对风蚀的影响: 不同水量湿-干交替下, 沉积物表面结皮形态和稳定性产生显著差异, 结皮厚度、 硬度、 抗剪强度随着水量的增加而线性增加(除纯沙) ; 结皮含水量随湿-干交替时水量的增加无明显差异, 且与未经湿-干处理(CK) 试样无明显差异, 排除了因结皮含水量不同而造成蚀积差异这一干扰因素。 净风及携沙风条件下, 非纯沙试样的累积风蚀率随水量的增加而显著降低; 纯沙表面因未形成结皮, 累积风蚀率较大, 且随水量的增加无明显差异。 净风条件下, CK 试样风蚀率随风速的增加而显著增加, 与之相比, 经不同水量湿-干交替处理后, 非纯沙试样抗风蚀效率达 99 %以上, 风蚀率随风速增加无显著变化; 纯沙试样的风蚀率在各水梯度下风蚀率无显著差异, 且与 CK无显著差异, 风蚀率均随着风速的增加而显著增加。 携沙风条件下, CK 试样随风速的增加, 呈风积-风蚀-更大风蚀的变化; 与之相比, 经不同水量湿-干交替处理后,非纯沙试样蚀积率显著降低,纯沙试样的风蚀率在各水梯度下无显著差异,且与 CK 亦无差异, 随着风速的增加, 样品呈少量风积-风蚀-更大风蚀的变化。同时, 沉积物湿-干交替过程中有裂隙发育, 携沙风条件时, 沙粒在裂隙中填充且湿-干交替引起结皮稳定性增加, 使部分试样的累积风蚀量计算数值为正, 表征其产生风沙堆积, 但是, 因风蚀率计算的时距因素, 裂隙中堆积又被高风速时部分风蚀的沙粒会使累积风蚀率数值出现负值, 因此适当补充风蚀量数据可进一步说明湿-干交替产生稳定结皮并伴随裂隙发育造成的风沙堆积和风蚀抑制作用。(3) 表面结皮含盐量对风蚀的影响: 经不同溶度梯度盐溶液处理后制备的试样, 表层盐结皮形态和稳定性产生差异, 纯沙试样的盐结皮厚度、 硬度及抗剪强度随着含盐量的增加而显著增加; 含水量随着盐溶液浓度的增加无显著差异或略有增加, 排除了后期实验中, 试样因结皮含水量不同而造成蚀积差异这一干扰因素。 净风及携沙风条件下, 非纯沙试样因盐结皮的保护作用及水的固结作用,风蚀量很低, 累积风蚀率随结皮含盐量及风速的增加均无显著变化; 结皮含盐量较低时, 风蚀率受湿-干交替时水量影响大于结皮含盐量对其影响, 当表面含盐量较高时, 影响作用相反。 纯沙条件时, 因仅水无法对其产生固结作用, 在水与盐的共同作用下形成不同含盐量的盐结皮, 且随着结皮含盐量的增加风蚀率显著降低; 同时风蚀量随风速增加显著增加, 且与 CK 产生显著差异。 因风蚀率计算方法会忽略因吹蚀时距差异造成的蚀积表征误差, 针对部分抗风蚀能力较强的试样, 适当补充其风蚀量的数据更能体现和验证含盐量较高时的风蚀抑制作用并产生了风沙堆积

    SPATIOTEMPORAL VARIATIONS AND PROJECTION OF CLIMATE CHANGE-INDUCED RAINFALL EROSIVITY OVER CENTRAL ASIA

    No full text
    气候变化引起的降水变异是导致世界大多数国家土壤过度流失的降雨侵蚀的主要原因。研究利用全球气候模型(GCMs) 对中亚地区降雨侵蚀度的时空预测进行了表征,并对降雨侵蚀度变化的影响进行了评价。该博士论文的研究内容为整个中亚地区的降雨侵蚀力,主要包含以下几点:(1)哈萨克斯坦年降雨侵蚀力时空变化及预测研究;(2)吉尔吉斯斯坦土壤侵蚀风险评估;(3)干旱-半干旱气候区域典型代表区域。研究结果表明:(1) 在代表性浓度路径 (RCPs) 2.6 和 8.5 下,采用 delta 方法对 GCMs(BCCCSM1-1、 IPSLCM5BLR、 MIROC5 和 MPIESMLR) 在“近”和“远” 未来 (2030 年代和 2070 年代) 两个时间段进行了统计学上的缩尺。这些 GCMs 数据被用于估计中亚地区的降雨侵蚀率及其预测变化。使用 WorldClim 数据作为研究区域的当前基线降水情景。利用修正的普遍土壤流失方程(RUSLE) 的降雨侵蚀率(R) 因子来确定降雨侵蚀率。结果表明,与基线相比,未来的年降雨量侵蚀率呈上升趋势。在所有 GCMs 中,与 402 MJ mm ha-1 h-1 year-1 基线相比,2030 年代的降雨侵蚀率平均变化为 5.6% (424.49 MJ mm ha-1 h-1 year-1) , 2070 年代为 9.6% (440.57 MJ mm ha-1 h-1 year-1) 。变化的幅度随 GCMs 而变化,最大的变化是 26.6% (508.85 MJ mm ha-1 h-1 year-1),发生在 2070 年代的 MIROC-5RCP8.5 场景中。尽管年降雨量侵蚀率呈稳定上升趋势,但 IPSLCM5ALR (RCP和周期)平均侵蚀率呈下降趋势。降雨量的增加是导致时空降雨侵蚀度增加的主要原因。(2) 研究了 1970-2017 年哈萨克斯坦降雨侵蚀度的时空变化。结果表明,过去 48 年哈萨克斯坦年平均降雨侵蚀度为 464 MJ mm ha-1 h-1 year-1。年降雨量侵蚀率没有明显的时间变化趋势。本文提出的一些结果与进一步研究哈萨克斯坦潜在的土壤侵蚀有关。东哈萨克斯坦、北哈萨克斯坦、阿拉木图地区受降雨侵蚀的威胁比其他地区更大。由于日降雨量总是有限的,了解干旱和半干旱地区过去和未来降雨侵蚀度的差异及其后果具有重要意义。采用 Delta 方法对 GCM场景 (GISSE2H、 HadGEM2-ES 和 NorESM1M) 进行三个周期的统计缩小。本研究利用过去和未来的气候数据估计了哈萨克斯坦年降雨量侵蚀率的长期变化。根据基线气候,在本世纪 30 年代、 50 年代和 70 年代,降雨侵蚀率的平均变化百分比分别为 26.9%、 26.4%和 35.2%。与基准气候相比,所有情景下所有气候模型的年降水量和侵蚀活动总量均呈现稳定增长。(3) 通过遥感和地理信息系统手段,利用 RUSLE 对吉尔吉斯斯坦的土壤流失进行了评估。结果表明,降雨侵蚀率(R)、土壤可蚀性(K)、坡长陡度(LS)、覆盖管理因子(C)、养护实践因子(P)的均值分别为 144.2–4509 MJ mm ha-1 h-1 year-1,0.014–0.042 t h MJ-1 mm-1, 0.0–44.6, 0.001–1.218 and 0.5–1.0。结果表明,平均年土壤侵蚀为200 t ha-1 year-1,平均年土壤侵蚀为 94.6 t ha-1 year-1,标准差为 206.3 t ha-1 year-1。吉尔吉斯斯坦的年土壤损失量为 17410 千吨。这些结果使我们能够确定易受侵蚀的区域。研究结果将将有助于出现组织情景,并为决策者提供有效管理土壤侵蚀风险的选择,以便对不同领域进行排序,进而充分执行政策。查明加剧侵蚀性增长的其他基本因素; 特别是未来土地利用和土地覆盖 (LULC) 的变化,仍有待于进一步的调查

    Historical snow depth reconstruction and improvement in snow process in land surface model over the Tianshan Mountains,China

    No full text
    水资源是影响干旱区生态环境和制约社会经济可持续发展的关键要素,中亚干旱区地表水资源匮乏,但季节性积雪资源丰富,作为中亚水塔的天山具有丰富地积雪资源。 中国天山山区气象站点稀少、分布不均匀, 遥感积雪产品时间序列短且精度有限,陆面模式在融雪期的模拟存在较大偏差,这些不足使得针对区域积雪长期变化的评价和高精度积雪数据的获取比较困难。因此揭示中国天山雪深在过去百年具有怎样的变化规律,以及提高陆面模式对于中国天山山区雪深和雪水当量的模拟精度尤为重要。 本论文研究利用气象站点数据,分析中国天山地区积雪各参数的时空变化规律及其分别在积雪累积期和消融期的影响因素。结合再分析数据产品,应用人工神经网络(Artificial Neutral Network, ANN)等方法,重建中国天山地区百年雪深序列。利用遥感反照率产品,修改区域气候模式(Weather Research and Forecasting Model, WRF) /Noah-MP 模式中的陆面积雪过程,提高融雪期雪深和雪水当量的模拟精度。有效地利用现有数据,促进积雪过程的研究,改进与发展陆面模式的积雪过程,获得精度更高、范围更广泛的积雪数据,是干旱区水资源评估的科学基础,也是区域积雪变化研究的迫切需要。本文的主要结论如下:(1) 中国天山积雪在 1961–2015 年的空间分布和变化特征具有明显地区域差异。 积雪持续日数和最大雪深呈现出西北高-东南低的空间格局,但是积雪消融率的空间分布则与前两者相反。在 1961-2015 年间, 中国天山地区的积雪平均于 11 月 24 日出现、 1 月 27 日达到最大、 3 月 18 日消失,多年积雪持续日数为115 天。 在 1961–2015 年间, 积雪持续日数以 4.4 天/10a 的速度减少, 积雪持续日数的变化,有 63%是由积雪结束日期的提前所导致, 37%是由积雪出现日期的推后所导致。 积雪累积期的平均气温 0.09 °C/10a 和积雪消融期的有效累计正积温 1.15 °C/10a 在 1961-2015 年间均出现了增大趋势,从而分别导致了积雪出现日期的推后和积雪结束日期的提前。 中国天山地区的雪深在这 54 年间出现了显著增加的趋势,增加率为 2.08 cm/10a。(2) 在 1901–1960 年间, 通过分析校正后年平均气温和降水数据, 发现中国天山气温和降水均出现了增加趋势,但是仅年降水的变化趋势通过了显著性0.05 水平检验。 所重建的历史雪深(1901–1960 年) 的空间格局, 与站点观测的空间分布特征一致,呈现西北-东南递减的分布特征。 中国天山地区总体雪深经历了增加的趋势,但是该趋势并不显著。在垂直方向上,雪深的变化趋势也体现出了一定的空间特征。重建历史雪深的增加趋势随着海拔的升高,出现了增大的趋势, 其中 1000 m–1500 m 海拔带变化率最小。 中国天山地区南坡和东部的雪深在历史时期 1901–1960 年、 观测时期 1961–2014 年、 总体时期 1901–2014 年均出现了增长趋势。然而, 北坡、伊犁河谷、天山整体的雪深在总体时期出现了下降趋势,而它们在历史时期和观测时期分别出现了上升趋势。雪深在三个研究时段中呈现出了不同的趋势,说明雪深的变化呈现出了年代际的特征,也体现了历史雪深重建的重要性和必要性。(3) 通过对 2014 年 10 月至 2015 年 4 月整个积雪季的模拟, 比较 Noah、Noah-MP 两套方案与站点气温、雪深、雪水当量数据, 结果表明 Noah-MP1 方案的模拟精度最高, Noah-MP2 方案次之, Noah 方案最差。与站点观测数据相比,整个积雪季三套方案的模拟精度结果显示气温全部为低估,雪深和雪水当量均为高估。 利用 MOD10A1 积雪反照率产品和 MCD43A4 地表反照率产品,在积雪消融期对 Noah-MP 模式中的反照率进行替换。通过分析结果发现两种改进方案均能提高模式的模拟能力。 相比 Noah-MP 两套改进前的方案,两套改进后方案的气温、雪深、雪水当量结果均更加接近站点观测数据。 其中,利用积雪反照率 MOD10A1 积雪反照率产品改进模式方案的结果精度更高

    Effects of simulated precipitation and nitrogen deposition on the life history of ephemeral plants

    No full text
    古尔班通古特沙漠是亚欧内陆干旱区的重要组成部分,也是我国面积最大的固定半固定沙漠,该区域独特的山地-荒漠-绿洲地理格局在全球范围内都独具特色。同时,该区域也是中亚植物区系与喜马拉雅、蒙古和地中海植物区系的交汇区,特别是研究区广泛发育的早春短命植物,长期以来,被认为是研究植物响应环境变化的理想材料。近年来,由于气候变化和人类活动加剧引起的降水和氮沉降变化,导致该区域生态系统对环境变化的响应表现出极大的不确定性。然而,前人关于降水和氮沉降变化对短命植物影响的研究多集中在某一生活型植物或植物生活史的某些方面, 而对不同生活型短命植物生活史的系统研究一直没有得到足够的重视。本研究自 2016 年 9 月至 2018 年 10 月,以中国科学院干旱区生物地理与生物资源实验室为试验平台, 以四种一年生短命植物尖喙牻牛儿苗(Erodiumoxyrhynchum M. Bieb.) , 小花荆芥(Nepeta micrantha Bunge.) , 毛穗旱麦草(Eremopyrum distans (C.Koch) Nevski.), 抱茎独行菜(Lepidium perfoliatum Linn.)和四种多年生短命植物囊果苔草(Carex physodes M. -Bieb.), 粗柄独尾草(Eremurus inderiensis (M. Bieb.) Regel.), 棱果芥(Syrenia siliculosa (M. Bieb.)Anders.), 小山蒜(Ixiolirion tataricum (Pall.) Herb.) 为研究对象, 在古尔班通古特沙漠典型荒漠区开展了降水、 氮沉降及其互作的多因子控制试验,系统研究了冬季积雪变化对不同生活型短命植物种子休眠释放和萌发的影响, 春夏季增水、增氮及其互作对不同生活型短命植物生长过程、生物量积累与分配和子代适合度的影响,研究结果将为系统揭示环境变化背景下不同生活型短命植物种群的发展趋势积累理论资料。本研究的主要结果如下:(1) 新收获的不同生活型短命植物种子室内萌发实验和野外埋藏种子的萌发动态监测试验均表明,不同生活型短命植物种子的萌发率并没有表现出生活型之间的差异性,而是具有物种特异性。积雪变化对不同生活型短命植物种子休眠释放的影响总体表现为增雪促进或无明显影响,减雪抑制或无明显影响。因此,短命植物种子在休眠释放和萌发上的差异是植物长期适应恶劣荒漠环境的结果,体现了短命植物在种子萌发阶段的适应对策。(2) 一年生短命植物的多数形态、数量和生物量性状均呈现前期快速增加,后期趋于平缓或下降的趋势,并在炎热的夏季来临之前完成繁殖生长。因此,一年生短命植物属于杂草对策(Ruderals)。多年生短命植物的大部分形态、数量和生物量形状呈现缓慢上升趋势, 并且在试验的前两年并未进行繁殖生长, 主要通过地下块茎或鳞茎的休眠度过环境恶劣时期。因此,多年生短命植物的生长属于典型的胁迫耐受对策(Stresstolerators)。增水、增氮及其互作促进了大部分一年生短命植物的生长, 并且干旱年份增水的促进效果更为显著,但是干旱年份增氮对部分物种却有一定的抑制作用,如 2017 年增氮显著抑制了春秋萌尖喙牻牛儿苗生长;同时,增水、增氮及其互作显著促进了多年生短命植物的生长,水氮互作的促进作用最为显著。因此, 增水、增氮及其互作促进了大部分一年生和多年生短命植物的生长,但受年际间降水的影响,部分物种存在差异性响应。(3) 对短命植物生物量积累与分配的研究发现,一年生短命植物的变化主要源自于年际间降水量的变化,而多年生短命植物的变化既受年际间降水变化的影响,也体现出生物量在年际间不断积累的过程。同为一年生短命植物的不同物种对增水、增氮及其互作的响应也存在差异,然而对于多年生短命植物而言,增水、增氮及其互作对其生物量积累总体表现为促进作用。 特别是对根冠比的研究发现,一年生短命植物的根冠比在 0-0.2 之间,多年生短命植物的根冠比却在 10-30 之间,上述差异的出现,一方面可能与不同生活型短命植物的生活史对策有关,另一方面与不同生活型短命植物的物候差异有关。 同时, 增水、增氮及其互作对一年生短命植物的繁殖分配具有负效应或无效应。 因此,环境条件的改善趋向于促进一年生短命植物营养器官的生长。(4) 增水、增氮及其互作对子代适合度的研究发现,除 2017 年的增水对小花荆芥种子产量有抑制作用以外, 2017 年和 2018 年的增水、增氮及其互作对一年生短命植物的种子产量均为促进或无明显影响作用。增水、增氮及其互作促进一年生短命植物种子生产,大部分物种的种子百粒重反而呈现降低趋势,这又印证了种子数量与大小之间的权衡关系。 除了 2017 秋萌尖喙牻牛儿苗以外, 大部分一年生短命植物符合子代萌发率与子代大小之间的正相关关系,这很可能与群落中春萌与秋萌尖喙牻牛儿苗存在竞争有关。综上表明, 不同生活型短命植物种子休眠释放和萌发过程对积雪变化的响应并没有表现出生活型之间的差异性,而具有物种特异性;在生长阶段, 一年生短命植物对环境变化的响应要比多年生短命植物更加敏感,并且多年生短命植物在试验的前两年未进行繁殖生长。 同时,在生长阶段增水、增氮又可以通过影响子代数量、大小和休眠间接的影响子代种子萌发与幼苗建成。 因此,未来降水和氮沉降变化将首先会对一年生短命植物产生影响,而对多年生短命植物的影响可能需要更长时间的试验研究

    Landslide Susceptibility Mapping using GIS MCDA – a case study Sarez lake, Pamir Mountains of Tajikistan

    No full text
    萨雷兹湖位于中亚塔吉克斯坦东南部的戈尔诺-巴达赫尚半自治区内。在1911 年一场地震引发了大规模滑坡,堵塞了穆尔加布河谷形成了一座天然大坝。这个叫乌索伊的大坝是以被滑坡掩埋的村庄名字所命名,由它所拦截形成的萨雷兹湖蓄水量大约是日内瓦湖的一半儿。乌索伊大坝位于帕米尔山脉的巴塘河谷,帕米尔山脉被认为是世界上最高和最难到达的山脉之一。天然大坝的稳定性也被视为可能的危险源。发生溃坝形成巨浪的风险可以通过位于湖右岸山坡上大量缓慢移动的斜坡不稳定性来解释。滑坡敏感性是指在具有特定局部地形条件的区域发生滑坡的可能性,即地形形成滑坡的可能性(斜坡运动)。滑坡敏感性图包括过去发生滑坡的区域、如果可能的话还应该包括未来潜在滑坡的区域以及滑坡运行轨迹。本研究采用多标准决策分析(MCDA)来确定研究区域内潜在的滑坡带。采用层次分析法(AHP)、 MCDA 法和加权线性组合法(WLC)绘制了萨雷斯湖滑坡敏感性图。本研究考虑了坡度、坡向、海拔、岩性、土壤质地、与河流的距离、与断层的距离以及地形湿润指数(TWI)等八个影响物质运动的因素,对滑坡活动影响最大的三个因素是斜坡(35.263)、岩性(23.843)和坡向(11.799),影响最小的三个因素是 TWI(4)、距排水距离(2.937)和距断层距离(2.627)。滑坡敏感性指数(LSI)已使用 WLC 技术计算,该技术基于 AHP 方法获得的指定重量和等级。 最终的磁敏度图分类为非常低,低,中,高和非常高的易感区。 获得的敏感性图及其相关数据表明,高敏感区和非常高的敏感区覆盖了总面积的约 59.19%,而约 17.38%被分类为低和极低敏感区。 最终的滑坡敏感性图对于后来的土地利用和开发的滑坡灾害呈现,减缓和适当的安排是有价值的。根据层次分析法(AHP)确定的权重和等级,采用 WLC 技术计算滑坡敏感性指数(LSI)。最后的敏感度图分为极低、低、中、高和极高敏感区。获得的敏感度图及其相关数据表明,高、特高敏感区约占总面积的 59.19%,约17.38%为低、特低敏感区。最终的滑坡敏感性图对滑坡灾害呈现、减缓和后期合理安排土地利用和开发具有一定的参考价值

    Response of Net Primary Productivity to Climate Change and Human Activities on grassland Based on Remote Sensing - Process Model In Central Asia

    No full text
    草地生态系统在陆地总面积中约占 40%,是陆地生态系统的主体。 放牧一直是过去几千年干旱半干旱区主要的人类活动。近 50 年来,放牧强度日益提高,过度放牧已成为干旱半干旱区牧场普遍存在的现象,导致草原生态系统的严重退化,也使得草地生态系统在气候变化条件下更为脆弱和敏感。 因此,草地净初级生产力(Net Primary Production, NPP) 进行量化,对草地管理是十分必要的。 遥感技术在量化草地 NPP 中扮演了重要角色,前人诸多研究对草地 NPP 的估算往往忽视放牧的干扰。因此,本研究计划选择亚洲中部干旱区草地生态系统为研究对象,针对其独特的生理生态机制和以放牧为主的人类活动干扰, 将遥感过程模型 GLOPEMCEVAS 进行本地参数化,同时通过加入落叶方程模型, 考虑放牧过程消耗的NPP 后,进一步综合评价放牧对于亚洲中部干旱区草地生态系统 NPP 的影响。具体方法步骤包括: 1) 用卫星遥感数据,将生态系统遥感-过程耦合模型本地参数化并应用于中亚干旱区,选取 Biomass-BGC 生理生态模型、 干旱区生理生态模型 AEM,通过多种模型对比和实测数据来评估其适用性和可靠性; 2) 由于GLOPEM-CEVAS 遥感过程模型未考虑放牧效应,本研究将落叶方程整合到遥感过程模型, 模拟放牧对草地生态系统 NPP 的影响; 3) 通过放牧点和非放牧点的遥感-过程模型模拟结果对比, 和应用围栏、放牧、刈割等情形下实测数据对其进行验证,得到新疆草地真实的 NPP,辨识了放牧对遥感模拟草地 NPP 的影响,检验了模型的有效性,提高了模型的精度。 4) 收集中亚生态数据集,包括气象数据、土壤数据、放牧数据等,分析 1982-2011 年并比较考虑放牧和未考虑放牧条件下遥感模型模拟的中亚干旱区草地 NPP 对气候变化的响应差异, 揭示放牧过程对干旱草地生态系统 NPP 的影响程度, 提出合理的干旱区草地放牧制度,促进草地生态系统的可持续发展。结果表明:1. 与生理生态模型模拟结果的对比表明, 未考虑放牧过程的基于遥感的GLOPEM-CEVAS 模型模拟的中亚干旱区草地生态系统 NPP 相对较低。2. 以新疆为研究区, 在放牧条件下 GLOPEM-CEVAS 模型模拟的 36 个放牧样点草地 NPP 与实测数据显著相关(AdjR2 = 0.80, p 0.05),其年际波动方式和年均降水较为相似(AdjR2 = 0.24, p< 0.01),与气温相关性不明显; 考虑放牧过程加入落叶方程模型后, 模型模拟的新疆草地年均真实 NPP 为 179.41 gC m-2 yr-1, 草地 NPP 持续增加显著(slope = 1.18 gC m-2yr-1, AdjR2 = 0.63, p < 0.01),其年际 NPP 和年均气温显著相关(AdjR2 = 0.42, p < 0.01),与降水相关性不明显, 放牧消耗的平均 NPP 占真实 NPP 的 29.06%; 说明新疆草地实际 NPP 逐年增加且由温度主导, 其增加部分被放牧活动所消耗, 忽略放牧活动会掩盖这一事实,这会对气候变化对新疆草地的影响带来错误的理解。4. 以整个中亚干旱区为研究区, 未考虑放牧的影响下模型模拟的草地年均NPP 为 121.05 gC m-2 yr-1,草地 NPP 波动增加显著(slope = 1.02 gC m-2 yr-1, AdjR2 = 0.43, p < 0.01), 最大值和最小值分布是 1996 年的 167 gC m-2和 1984 的 121 gC m-2,与年际降水的相关性不显著 (AdjR2 = 0.12, p =0.03), 与年际气温相关性显著(AdjR2 = 0.44, p < 0.01); 考虑放牧活动后,中亚草地 NPP 持续增加(slope = 2.7 gC m-2 yr-1, AdjR2 = 0.86, p < 0.01),2000 以后的增加趋势尤为明显,放牧活动对中亚干旱区草地 NPP 的消耗极为显著, 与年际气温同样相关(AdjR2 = 0.49, p < 0.01),与年际降水不相关。5. 在空间上,考虑放牧活动后中亚草地 NPP 空间分布从大到小依次为:哈萨克斯坦北部草原(257 gC m-2yr-1)、天山地区(208 gC m-2yr-1) 、中部荒漠草原带(105 gC m-2yr-1) 。从区域上比较,哈萨克斯坦北部草原 NPP最大,中部荒漠草原 NPP 最小,哈萨克斯坦北部草原是放牧消耗 NPP的主要区域, 放牧使得草地 NPP 平均减少了 99 gC m-2yr-1, 占 NPP 的38.5%。本文利用 GLOPEM-CEVAS 模型进行本地参数化,模拟了 1982-2011 年新疆草地 NPP,并考虑放牧对草地 NPP 的影响,运用落叶方程模型对放牧消耗草地 NPP 进行模拟,并通过收集和实测点的数据对模型进行验证,并将此方法运用到整个中亚干旱区,对 1982-2011年中亚草地生态系统长期碳动态动态(NPP)进行了模拟;分析比较了考虑放牧活动和未考虑放牧活动时遥感模型模拟的草地 NPP 对气候变化的响应差异。但是,论文还存在几方面的问题: 1)放牧模型中对放牧过程进行了简化,许多关于放牧过程理想条件的假设可能与实际情况不符。例如在放牧模型中,我们未对植被物种的可食性进行区分、未考虑放牧对物种多样性变化等影响; 2)模型预测的准确程度受到诸多因素的影响。卫星传感器的噪音以及大气环境可能导致获取的遥感影像失真;)模型驱动数据(例如气象数据)可能通过模型模拟将自身的误差传递到模型输出结果。鉴于以上问题,本研究未来的工作重心可以放在以下几个方面:(1)改进模型增加践踏模块,使其更加全面的反映放牧活动对水循环、物质分配等影响的研究;(2)加强野外实验,建立长期定位观测站,比较放牧和非放牧草地蒸散发差异,从机理上为进一步研究提供坚实的数据支撑;(3)减小单一气象数据源带来的不确定性本研究在考虑放牧过程并将其加入到遥感模型模拟草地 NPP 中可以更为深入的了解放牧过程对草地生态系统的影响,这将更好的草地系统及其组分的特征、动态与相互作用机制,探索系统健康管理的途径

    图木舒克市城市政区发展战略研究

    No full text

    编制《新疆乡村绿化建设技术标准》及主要建设模式

    No full text

    118

    full texts

    7,341

    metadata records
    Updated in last 30 days.
    Institutional Repository of Xinjiang Institute of Ecology and Geography, CAS
    Access Repository Dashboard
    Do you manage Open Research Online? Become a CORE Member to access insider analytics, issue reports and manage access to outputs from your repository in the CORE Repository Dashboard! 👇