中国科学院大学学报 ›› 2026, Vol. 43 ›› Issue (5): 706-719.DOI: 10.7523/j.ucas.2025.021
• 简报 • 上一篇
收稿日期:2024-11-07
修回日期:2025-04-09
发布日期:2025-07-17
通讯作者:
姚凤梅
基金资助:
Ke BU, Xue WANG, Fengmei YAO(
)
Received:2024-11-07
Revised:2025-04-09
Published:2025-07-17
Contact:
Fengmei YAO
摘要:
基于2003—2022年中分辨率成像光谱仪(MODIS)植被净初级生产力(NPP)数据,采用Theil-Sen趋势分析和Mann-Kendall检验,探讨近20年广东省NPP的时空变化规律。结合相关分析和地理探测器方法评估气候因子和土地利用变化对植被NPP的影响。结果表明:珠三角NPP低值区呈现显著退化趋势,而粤东与粤北NPP高值区呈现明显或缓慢改善趋势。此外,气候和土地利用变化对NPP的相对贡献度分别为59.48%和40.51%,其中气温、降水和辐射对NPP的贡献度分别为17.51%、58.32%和24.17%。在不同未来气候情景下,高排放条件会导致NPP高值区面积减少,低值区面积增加;而中等排放条件下,NPP呈现稳定增长趋势。
中图分类号:
步可, 王雪, 姚凤梅. 气候和土地利用变化对广东省植被净初级生产力的影响[J]. 中国科学院大学学报, 2026, 43(5): 706-719.
Ke BU, Xue WANG, Fengmei YAO. Impact of climate and land use changes on net primary productivity of vegetation in Guangdong Province[J]. Journal of University of Chinese Academy of Sciences, 2026, 43(5): 706-719.
图1 研究区概况和数字高程模型(DEM)空间分布图注:该图基于自然资源部标准地图服务网站GS(2019)3333号标准地图制作,底图边界无修改。下同。
Fig.1 Overview of the study area and spatial distribution of the digital elevation model (DEM)
| 数据名称 | 数据来源 | 空间分辨率/m | 时间分辨率 | 年份区间 |
|---|---|---|---|---|
| MODIS_GPP | MYD17A3HGF (NASA) | 500 | 1 a | 2003—2022 |
| MODIS_NPP | MOD17A2H (NASA) | 1 000 | 8 d | 2003—2022 |
| GLASS_NPP | GLASS | 250 | 8 d | 2000—2021 |
| 月平均气温 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| 月平均降水量 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| 月平均太阳辐射量 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| CMIP6气温 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| CMIP6降水量 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| CMIP6太阳辐射量 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| 全球土地覆盖 | 地球大数据科学工程 | 30 | 5 a | 2000—2020 |
| 人类足迹 | Human_Footprint | 1 000 | — | 2000—2018 |
| 土壤类型 | SoilGrids | 250 | — | 1960—2020 |
| 土壤pH值 | SoilGrids | 250 | — | 1960—2020 |
| 土壤全氮量 | SoilGrids | 250 | — | 1960—2020 |
| 地形数据 | 地理空间数据云 | 30 | — | 2019 |
表1 本研究使用的数据列表
Table 1 Data inventory for this study
| 数据名称 | 数据来源 | 空间分辨率/m | 时间分辨率 | 年份区间 |
|---|---|---|---|---|
| MODIS_GPP | MYD17A3HGF (NASA) | 500 | 1 a | 2003—2022 |
| MODIS_NPP | MOD17A2H (NASA) | 1 000 | 8 d | 2003—2022 |
| GLASS_NPP | GLASS | 250 | 8 d | 2000—2021 |
| 月平均气温 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| 月平均降水量 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| 月平均太阳辐射量 | ERA5-Land | 11 132 | 1月 | 2003—2022 |
| CMIP6气温 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| CMIP6降水量 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| CMIP6太阳辐射量 | GDDP-CMIP6 (NASA) | 27 830 | 1 d | 2020—2030 |
| 全球土地覆盖 | 地球大数据科学工程 | 30 | 5 a | 2000—2020 |
| 人类足迹 | Human_Footprint | 1 000 | — | 2000—2018 |
| 土壤类型 | SoilGrids | 250 | — | 1960—2020 |
| 土壤pH值 | SoilGrids | 250 | — | 1960—2020 |
| 土壤全氮量 | SoilGrids | 250 | — | 1960—2020 |
| 地形数据 | 地理空间数据云 | 30 | — | 2019 |
| S | |Z| (α=0.05) | 趋势类型 | 像元数 | 占比/% |
|---|---|---|---|---|
| S>0 | |Z|≥1.96 | 明显改善 | 45 683 | 6.26 |
| |Z|<1.96 | 轻微改善 | 194 328 | 26.62 | |
| S=0 | / | 稳定不变 | 146 | 0.02 |
| S<0 | |Z|<1.96 | 轻微退化 | 285 991 | 39.18 |
| |Z|≥1.96 | 严重退化 | 203 744 | 27.91 |
表2 2003—2022年广东省NPP变化趋势统计
Table 2 Trends of NPP in Guangdong Province, 2003-2022
| S | |Z| (α=0.05) | 趋势类型 | 像元数 | 占比/% |
|---|---|---|---|---|
| S>0 | |Z|≥1.96 | 明显改善 | 45 683 | 6.26 |
| |Z|<1.96 | 轻微改善 | 194 328 | 26.62 | |
| S=0 | / | 稳定不变 | 146 | 0.02 |
| S<0 | |Z|<1.96 | 轻微退化 | 285 991 | 39.18 |
| |Z|≥1.96 | 严重退化 | 203 744 | 27.91 |
图3 2003—2022年广东省气温、降水及辐射的时空变化特征及其与植被NPP的相关性注:(a),(b),(c)代表年均气候因子分布图;(d),(e),(f)表示经过Sen-MK趋势分析的月度气候因子变化斜率;(g),(h),(i)为经过显著性检验的月度气候因子和月度NPP之间的Pearson相关系数,并按照显著性水平和相关性方向分为显著正相关、不显著正相关、不显著负相关和显著负相关4类。
Fig.3 Spatiotemporal variations of climatic factors and their correlations with vegetation NPP in Guangdong Province (2003-2022)
| 地类 | 年均NPP | |||
|---|---|---|---|---|
| 2005 | 2010 | 2015 | 2020 | |
| 耕地 | 602.57 | 676.86 | 714.94 | 722.28 |
| 草地 | 700.79 | 765.24 | 787.51 | 774.41 |
| 阔叶林 | 1 011.02 | 1 059.06 | 1 069.99 | 1 117.33 |
| 针叶林 | 911.35 | 965.17 | 975.49 | 1 010.63 |
| 灌木 | 920.97 | 987.06 | 1 010.95 | 1 039.36 |
| 湿地 | 389.28 | 449.99 | 491.04 | 504.04 |
表3 2005—2020年广东省不同植被类型的年均NPP
Table 3 Annual mean NPP of different vegetation types in Guangdong Province (2005-2020)
| 地类 | 年均NPP | |||
|---|---|---|---|---|
| 2005 | 2010 | 2015 | 2020 | |
| 耕地 | 602.57 | 676.86 | 714.94 | 722.28 |
| 草地 | 700.79 | 765.24 | 787.51 | 774.41 |
| 阔叶林 | 1 011.02 | 1 059.06 | 1 069.99 | 1 117.33 |
| 针叶林 | 911.35 | 965.17 | 975.49 | 1 010.63 |
| 灌木 | 920.97 | 987.06 | 1 010.95 | 1 039.36 |
| 湿地 | 389.28 | 449.99 | 491.04 | 504.04 |
| q ( | q( | 判断 | 交互作用 |
|---|---|---|---|
| 太阳辐射量(0.016)∩降水量(0.076) | 0.078 | q ( | 双线性增强 |
| 太阳辐射量(0.016)∩气温(0.023) | 0.045 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩人类足迹(0.013) | 0.041 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤类型(0.003) | 0.021 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤全氮(0.012) | 0.037 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤pH值(0.018) | 0.036 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩地形(0.031) | 0.074 | q ( | 非线性增强 |
| 降水量(0.076)∩气温(0.023) | 0.094 | q ( | 双线性增强 |
| 降水量(0.076)∩人类足迹(0.013) | 0.102 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤类型(0.003) | 0.083 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤全氮(0.012) | 0.119 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤pH值(0.018) | 0.111 | q ( | 非线性增强 |
| 降水量(0.076)∩地形(0.031) | 0.137 | q ( | 非线性增强 |
| 气温(0.023)∩人类足迹(0.013) | 0.054 | q ( | 非线性增强 |
| 气温(0.023)∩土壤类型(0.003) | 0.039 | q ( | 非线性增强 |
| 气温(0.023)∩土壤全氮(0.012) | 0.061 | q ( | 非线性增强 |
| 气温(0.023)∩土壤pH值(0.018) | 0.060 | q ( | 非线性增强 |
| 气温(0.023)∩地形(0.031) | 0.100 | q ( | 非线性增强 |
表4 因子交互作用对广东省NPP变化影响
Table 4 Effects of factor interactions on NPP changes in Guangdong Province
| q ( | q( | 判断 | 交互作用 |
|---|---|---|---|
| 太阳辐射量(0.016)∩降水量(0.076) | 0.078 | q ( | 双线性增强 |
| 太阳辐射量(0.016)∩气温(0.023) | 0.045 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩人类足迹(0.013) | 0.041 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤类型(0.003) | 0.021 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤全氮(0.012) | 0.037 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩土壤pH值(0.018) | 0.036 | q ( | 非线性增强 |
| 太阳辐射量(0.016)∩地形(0.031) | 0.074 | q ( | 非线性增强 |
| 降水量(0.076)∩气温(0.023) | 0.094 | q ( | 双线性增强 |
| 降水量(0.076)∩人类足迹(0.013) | 0.102 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤类型(0.003) | 0.083 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤全氮(0.012) | 0.119 | q ( | 非线性增强 |
| 降水量(0.076)∩土壤pH值(0.018) | 0.111 | q ( | 非线性增强 |
| 降水量(0.076)∩地形(0.031) | 0.137 | q ( | 非线性增强 |
| 气温(0.023)∩人类足迹(0.013) | 0.054 | q ( | 非线性增强 |
| 气温(0.023)∩土壤类型(0.003) | 0.039 | q ( | 非线性增强 |
| 气温(0.023)∩土壤全氮(0.012) | 0.061 | q ( | 非线性增强 |
| 气温(0.023)∩土壤pH值(0.018) | 0.060 | q ( | 非线性增强 |
| 气温(0.023)∩地形(0.031) | 0.100 | q ( | 非线性增强 |
| [1] | Cramer W, Field C B. Comparing global models of terrestrial net primary productivity (NPP): introduction[J]. Global Change Biology, 1999, 5(S1): iii-iv. DOI: 10.1046/j.1365-2486.1999.00001.x . |
| [2] | Lu Y Y, Huang Y, Zhuang Q L, et al. China’s terrestrial ecosystem carbon balance during the 20th century: an analysis with a process-based biogeochemistry model[J]. Carbon Balance and Management, 2022, 17(1): 16. DOI: 10.1186/s13021-022-00215-9 . |
| [3] | 张亚楠,宋小宁,冷佩,等.近20年黄河流域夏季土壤水分时空变化特征及驱动因素分析[J].中国科学院大学学报, 2024, 41(4):477-489. DOI:10.7523/j.ucas.2023.041 . |
| [4] | 朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3): 413-424. DOI: 10.17521/cjpe.2007.0050 . |
| [5] | Chu C J, Bartlett M, Wang Y S, et al. Does climate directly influence NPP globally?[J]. Global Change Biology, 2016, 22(1): 12-24. DOI: 10.1111/gcb.13079 . |
| [6] | Zhao M S, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009[J]. Science, 2010, 329(5994): 940-943. DOI: 10.1126/science.1192666 . |
| [7] | Li Z S, Liu G H, Fu B J, et al. The potential influence of seasonal climate variables on the net primary production of forests in Eastern China[J]. Environmental Management, 2011, 48(6): 1173-1181. DOI: 10.1007/s00267-011-9710-8 . |
| [8] | 徐勇, 郑志威, 孟禹弛, 等. 西南地区不同类型植被NPP时空演变及影响因素探究[J]. 环境科学, 2024, 45(1): 262-274. DOI: 10.13227/j.hjkx.202302121 . |
| [9] | 吴丽媛, 神祥金, 刘奕雯, 等. 青藏高原草本沼泽植被净初级生产力时空变化及其对气候变化的响应[J]. 生态学报, 2024, 44(5): 2115-2126. DOI: 10.20103/j.stxb.202301110075 . |
| [10] | 徐虹, 程晋昕, 何雨芩, 等. 气候变化和人类活动对云南省植被净初级生产力的影响[J]. 高原气象, 2024, 43(4): 1064-1075. DOI: 10.7522/j.issn.1000-0534.2023.00047 . |
| [11] | 王原, 黄玫, 王祥荣. 气候和土地利用变化对上海市农田生态系统净初级生产力的影响[J]. 环境科学学报, 2010, 30(3): 641-648. DOI: 10.13671/j.hjkxxb.2010.03.029 . |
| [12] | Mohamed M A A, Babiker I S, Chen Z M, et al. The role of climate variability in the inter-annual variation of terrestrial net primary production (NPP)[J]. Science of The Total Environment, 2004, 332(1/2/3): 123-137. DOI: 10.1016/j.scitotenv.2004.03.009 . |
| [13] | Imhoff M L, Bounoua L, DeFries R, et al. The consequences of urban land transformation on net primary productivity in the United States[J]. Remote Sensing of Environment, 2004, 89(4): 434-443. DOI: 10.1016/j.rse.2003.10.015 . |
| [14] | Fu Y C, Lu X Y, Zhao Y L, 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. DOI: 10.3390/rs5084125 . |
| [15] | Evans J, Geerken R. Discrimination between climate and human-induced dryland degradation[J]. Journal of Arid Environments, 2004, 57(4): 535-554. DOI: 10.1016/S0140-1963(03)00121-6 . |
| [16] | 朱思佳, 冯徽徽, 邹滨, 等. 2000—2019年洞庭湖流域植被NPP时空特征及驱动因素分析[J]. 自然资源遥感, 2022, 34(3): 196-206. DOI: 10.6046/zrzyyg.2021283 . |
| [17] | 姜春, 吴志峰, 程炯, 等. 气候波动和土地覆盖变化对广东省植被净初级生产力的相对影响[J]. 热带亚热带植物学报, 2016, 24(4): 397-405. DOI: 10.11926/j.issn.1005-3395.2016.04.006 . |
| [18] | 刘一丹, 姚晓军, 李宗省, 等. 气候变化和土地利用覆盖变化对河西地区植被净初级生产力的影响[J]. 干旱区研究, 2024, 41(1): 169-180. DOI: 10.13866/j.azr.2024.01.16 . |
| [19] | 徐勇, 卢云贵, 戴强玉, 等. 气候变化和土地利用变化对长江中下游地区植被NPP变化相对贡献分析[J]. 中国环境科学, 2023, 43(9): 4988-5000. DOI: 10.19674/j.cnki.issn1000-6923.20230413.005 . |
| [20] | Wu S H, Zhou S L, Chen D X, et al. Determining the contributions of urbanisation and climate change to NPP variations over the last decade in the Yangtze River Delta, China[J]. Science of The Total Environment, 2014, 472: 397-406. DOI: 10.1016/j.scitotenv.2013.10.128 . |
| [21] | 刘婷婷, 袁燕萍, 叶许春. 城市化背景下重庆主城区植被净初级生产力变化特征及其影响因素[J]. 生态学杂志, 2024, 43(8): 2266-2274. DOI: 10.13292/j.1000-4890.202408.008 . |
| [22] | Zhao C Y, Chen S S, Jia K, et al. Quantitative assessment of the impacts of climate change and human activity on the net primary productivity of subtropical vegetation: the case of Shaoguan, Guangdong, China[J]. Forests, 2023, 14(12): 2447. DOI: 10.3390/f14122447 . |
| [23] | 裴凤松, 黎夏, 刘小平, 等. 城市扩张驱动下植被净第一性生产力动态模拟研究: 以广东省为例[J]. 地球信息科学学报, 2015, 17(4): 469-477. DOI: 10.3724/SP.J.1047.2015.00469 . |
| [24] | 匡耀求, 欧阳婷萍, 邹毅, 等. 广东省碳源碳汇现状评估及增加碳汇潜力分析[J]. 中国人口·资源与环境, 2010, 20(12): 56-61. DOI: 10.3969/j.issn.1002-2104.2010.12.012 . |
| [25] | 申冲, 王春林, 赵晓松, 等. 人工红树林碳通量变化特征及其影响因素分析[J]. 南京信息工程大学学报(自然科学版), 2022, 14(1): 11-20. DOI:10.13878/j.cnki.jnuist.2022.01.002 . |
| [26] | Liu Z H, Wang T, Qu Y H, et al. Prediction of high-quality MODIS-NPP product data[J]. Remote Sensing, 2019, 11(12): 1458. DOI: 10.3390/rs11121458 . |
| [27] | Zhang Y H, Ye A Z. Would the obtainable gross primary productivity (GPP) products stand up?A critical assessment of 45 global GPP products[J]. Science of The Total Environment, 2021, 783: 146965. DOI: 10.1016/j.scitotenv.2021.146965 . |
| [28] | Zhao X, Liang S L, Liu S H, et al. The global land surface satellite (GLASS) remote sensing data processing system and products[J]. Remote Sensing, 2013, 5(5): 2436-2450. DOI: 10.3390/rs5052436 . |
| [29] | Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146(730): 1999-2049. DOI: 10.1002/qj.3803 . |
| [30] | Zhang X, Liu L Y, Chen X D, et al. GLC_FCS30: global land-cover product with fine classification system at 30 m using time-series Landsat imagery[J]. Earth System Science Data, 2021, 13(6): 2753-2776. DOI:10.5194/essd-13-2753-2021 . |
| [31] | He S L, Li J, Wang J L, et al. Evaluation and analysis of upscaling of different land use/land cover products (FORM-GLC30, GLC_FCS30, CCI_LC, MCD12Q1 and CNLUCC): a case study in China[J]. Geocarto International, 2022, 37(27): 17340-17360. DOI: 10.1080/10106049.2022.2127926 . |
| [32] | Mu H W, Li X C, Wen Y N, et al. A global record of annual terrestrial Human Footprint dataset from 2000 to 2018[J]. Scientific Data, 2022, 9(1): 176. DOI: 10.1038/s41597-022-01284-8 . |
| [33] | Poggio L, de Sousa L M, Batjes N H, et al. SoilGrids 2.0: producing soil information for the globe with quantified spatial uncertainty[J]. Soil, 2021, 7(1): 217-240. DOI: 10.5194/soil-7-217-2021 . |
| [34] | Hamed K H, Rao A R. A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology, 1998, 204(1/2/3/4): 182-196. DOI:10.1016/S0022-1694(97)00125-X . |
| [35] | Pearson K.VII. Note on regression and inheritance in the case of two parents[J].Proceedings of the Royal Society of London, 1895, 58: 240-242. |
| [36] | 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. DOI: 10.11821/dlxb201701010 . |
| [37] | Pontius R G, Shusas E, Mceachern M.Detecting important categorical land changes while accounting for persistence[J].Agriculture, Ecosystems & Environment, 2004, 101(2):251-268.DOI:10.1016/j.agee.2003.09.008 . |
| [38] | 王子安, 孟庆岩, 张琳琳, 等. 基于CA-Markov模型的海口市城市热岛模拟预测[J]. 中国科学院大学学报, 2022, 39(6): 742-753. DOI: 10.7523/j.ucas.2021.0006 . |
| [39] | Sun J K, Yue Y, Niu H P. Evaluation of NPP using three models compared with MODIS-NPP data over China[J]. PLoS One, 2021, 16(11): e0252149. DOI: 10.1371/journal.pone.0252149 . |
| [40] | Peng D L, Wu C Y, Zhang B, et al. The influences of drought and land-cover conversion on inter-annual variation of NPP in the three-north shelterbelt program zone of China based on MODIS data[J]. PLoS One, 2016, 11(6): e0158173. DOI: 10.1371/journal.pone.0158173 . |
| [41] | 何沐全, 石艳军, 王晨茜, 等. 广东省植被生态质量演变与气象条件贡献分析[J]. 生态环境学报, 2024, 33(5): 679-688. DOI: 10.16258/j.cnki.1674-5906.2024.05.002 . |
| [42] | 王柯文, 秦见, 马海涛. 基于CA-Markov模型的重庆西部新城城市扩张时空演化模拟与生态响应[J]. 中国科学院大学学报, 2023, 40(4): 496-505. DOI: 10.7523/j.ucas.2022.008 . |
| [43] | Zelinka M D, Myers T A, McCoy D T, et al. Causes of higher climate sensitivity in CMIP6 models[J]. Geophysical Research Letters, 2020, 47(1): e2019GL085782. DOI: 10.1029/2019GL085782 . |
| [44] | Kondo M, Ichii K, Patra P K, et al. Plant regrowth as a driver of recent enhancement of terrestrial CO2 uptake[J]. Geophysical Research Letters, 2018, 45(10): 4820-4830. DOI: 10.1029/2018GL077633 . |
| [45] | Tharammal T, Bala G, Narayanappa D, et al. Potential roles of CO2 fertilization, nitrogen deposition, climate change, and land use and land cover change on the global terrestrial carbon uptake in the twenty-first century[J]. Climate Dynamics, 2019, 52(7): 4393-4406. DOI: 10.1007/s00382-018-4388-8 . |
| [46] | Houghton R A. Interactions between land-use change and climate-carbon cycle feedbacks[J]. Current Climate Change Reports, 2018, 4(2): 115-127. DOI: 10.1007/s40641-018-0099-9 . |
| [47] | Wang S, Fu B J, Wei F L, et al. Drylands contribute disproportionately to observed global productivity increases[J]. Science Bulletin, 2023, 68(2): 224-232. DOI: 10.1016/j.scib.2023.01.014 . |
| [48] | 张悦, 李珊珊, 陈灏, 等. 广东省台风灾害风险综合评估[J]. 热带气象学报, 2017, 33(2): 281-288. DOI: 10.16032/j.issn.1004-4965.2017.02.015 . |
| [49] | Lu N, Tian H Q, Fu B J, et al. Biophysical and economic constraints on China’s natural climate solutions[J]. Nature Climate Change, 2022, 12(9): 847-853. DOI: 10.1038/s41558-022-01432-3 . |
| [1] | 吕璇泽, 李玉梅, 旺罗. 北京东灵山的无灌溉古耕作层和自然沉积层的土壤理化性质差异[J]. 中国科学院大学学报, 2025, 42(5): 632-644. |
| [2] | 杨松, 周宏飞, 闫英杰. 1992—2021年蒙古国西部湖泊面积和数量变化特征[J]. 中国科学院大学学报, 2025, 42(2): 176-185. |
| [3] | 王佳恒, 颜蔚, 段学军, 段岩燕, 李卓娜, 邹辉. 基于多元耦合模型的流域生态修复分区与用地模拟评估——以滇池流域为例[J]. 中国科学院大学学报, 2025, 42(1): 61-73. |
| [4] | 张亚楠, 宋小宁, 冷佩, 高亮, 尹德伟. 近20年黄河流域夏季土壤水分时空变化特征及驱动因素分析[J]. 中国科学院大学学报, 2024, 41(4): 477-489. |
| [5] | 冯一鸣, 张娜, 乐荣武, 闫志辉, 李振宇, 李小璠, 额日敦其木格. 中国北方温性草地最大叶面积指数的时空变化及其对气候变化的响应[J]. 中国科学院大学学报, 2024, 41(2): 195-211. |
| [6] | 何昶, 邓建明, 陈爽. 我国昼夜非对称性增温时空变化特征及影响因素[J]. 中国科学院大学学报, 2023, 40(5): 596-604. |
| [7] | 王甜, 杨兆萍, 韩芳, 潘须眉, 王值, 陈晓东. 基于地理探测器的新疆A级旅游景区时空演变特征及其影响机理[J]. 中国科学院大学学报, 2023, 40(3): 322-332. |
| [8] | 周健, 靳诚, 李平星. 基于高速公路流的江苏省交通网络地域分异及影响因素[J]. 中国科学院大学学报, 2022, 39(1): 64-73. |
| [9] | 陆小琳, 张万昌, 牛全福, 刘金平, 陈豪, 高会然. 黑龙江流域积雪的时空动态变化及其与气候因子的关系[J]. 中国科学院大学学报, 2021, 38(5): 601-610. |
| [10] | 刘韬, 杨德刚, 张豫芳, 蔡天毅. 城市公园绿地可达性时空变化及影响因素——以乌鲁木齐市为例[J]. 中国科学院大学学报, 2021, 38(3): 350-359. |
| [11] | 宁文晓, 刘旭阳, 王振亭. 巴丹吉林沙漠气温和降水特征及空间分层异质性[J]. 中国科学院大学学报, 2021, 38(1): 103-113. |
| [12] | 赵鹏, 陈桃, 王茜, 于瑞德. 气候变化和人类活动对新疆草地生态系统NPP影响的定量分析[J]. 中国科学院大学学报, 2020, 37(1): 51-62. |
| [13] | 李建刚, 雷军, 段祖亮, 杨振. 新疆县域城镇化时空格局演变特征及影响因素[J]. 中国科学院大学学报, 2019, 36(6): 774-783. |
| [14] | 李舒婷, 周艺, 王世新, 尚明, 杨宝林. 2001—2015年内蒙古NDVI时空变化及其对降水和气温的响应[J]. 中国科学院大学学报, 2019, 36(1): 48-55. |
| [15] | 袁旻舒, 李明旭, 程红岩, 丁菊花, 李函微, 彭长辉, 朱求安. 基于CMIP5模型结果的中国陆地生态系统未来碳利用效率变化趋势分析[J]. 中国科学院大学学报, 2017, 34(4): 452-461. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||