全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 (SHENGTAI XUEBAO)
摇 摇 第 31 卷 第 7 期摇 摇 2011 年 4 月摇 (半月刊)
目摇 摇 次
川南天然常绿阔叶林人工更新后土壤氮库与微生物的季节变化 龚摇 伟,胡庭兴,王景燕,等 (1763)…………
IBIS模拟东北东部森林 NPP主要影响因子的敏感性 刘摇 曦,国庆喜,刘经伟 (1772)…………………………
不同坡位沙棘光合日变化及其主要环境因子 靳甜甜,傅伯杰,刘国华,等 (1783)………………………………
氮、硫互作对克隆植物互花米草繁殖和生物量累积与分配的影响 甘摇 琳,赵摇 晖,清摇 华,等 (1794)………
海岛棉和陆地棉叶片光合能力的差异及限制因素 张亚黎,姚贺盛,罗摇 毅,等 (1803)…………………………
遮荫对连翘光合特性和叶绿素荧光参数的影响 王建华,任士福,史宝胜,等 (1811)……………………………
3 种木本植物在铅锌和铜矿砂中的生长及对重金属的吸收 施摇 翔,陈益泰,王树凤,等 (1818)………………
施氮水平对小麦籽粒谷蛋白大聚合体粒径分布的调控效应 王广昌,王振林,崔志青,等 (1827)………………
强光下高温与干旱胁迫对花生光系统的伤害机制 秦立琴,张悦丽,郭摇 峰,等 (1835)…………………………
环境因子和干扰强度对高寒草甸植物多样性空间分异的影响 温摇 璐,董世魁,朱摇 磊,等 (1844)……………
利用 CASA模型模拟西南喀斯特植被净第一性生产力 董摇 丹,倪摇 健 (1855)…………………………………
北京市绿化树种紫玉兰的蒸腾特征及其影响因素 王摇 华,欧阳志云,任玉芬,等 (1867)………………………
平衡施肥对缺磷红壤性水稻土的生态效应 陈建国,张杨珠,曾希柏,等 (1877)…………………………………
冬小麦种植模式对水分利用效率的影响 齐摇 林,陈雨海,周勋波,等 (1888)……………………………………
黄土高原冬小麦地 N2O排放 庞军柱,王效科,牟玉静,等 (1896)………………………………………………
花前渍水预处理对花后渍水逆境下扬麦 9 号籽粒产量和品质的影响 李诚永,蔡摇 剑,姜摇 东,等 (1904)……
低硫氮比酸雨对亚热带典型树种气体交换和质膜的影响 冯丽丽,姚芳芳,王希华,等 (1911)…………………
夹竹桃皂甙对福寿螺的毒杀效果及其对水稻幼苗的影响 戴灵鹏,罗蔚华,王万贤 (1918)……………………
海河流域景观空间梯度格局及其与环境因子的关系 赵志轩,张摇 彪,金摇 鑫,等 (1925)………………………
中国灌木林鄄经济林鄄竹林的生态系统服务功能评估 王摇 兵,魏江生,胡摇 文 (1936)…………………………
城郊过渡带湖泊湿地生态服务功能价值评估———以武汉市严东湖为例 王凤珍,周志翔,郑忠明 (1946)……
黄河三角洲植物生态位和生态幅对物种分布鄄多度关系的解释 袁摇 秀,马克明,王摇 德 (1955)………………
基于景观可达性的广州市林地边界动态分析 朱耀军,王摇 成,贾宝全,等 (1962)………………………………
红脂大小蠹传入中国危害特性的变化 潘摇 杰,王摇 涛,温俊宝,等 (1970)………………………………………
基于线粒体 Cty b基因的西藏马鹿种群遗传多样性研究 刘艳华,张明海 (1976)………………………………
不同干扰下荒漠啮齿动物群落多样性的多尺度分析 袁摇 帅,武晓东,付和平,等 (1982)………………………
秦岭鼢鼠的洞穴选择与危害防控 鲁庆彬,张摇 阳,周材权 (1993)………………………………………………
京杭运河堤坝区域狗獾的栖息地特征 殷宝法,刘宇庆,刘国兴,等 (2002)………………………………………
专论与综述
微生物胞外呼吸电子传递机制研究进展 马摇 晨,周顺桂,庄摇 莉,等 (2008)……………………………………
厌氧氨氧化菌脱氮机理及其在污水处理中的应用 王摇 惠,刘研萍,陶摇 莹,等 (2019)…………………………
问题讨论
海河流域森林生态系统服务功能评估 白摇 杨,欧阳志云,郑摇 华,等 (2029)……………………………………
研究简报
体重和盐度对中国蛤蜊耗氧率和排氨率的影响 赵摇 文,王雅倩,魏摇 杰,等 (2040)……………………………
虾塘养殖中后期微型浮游动物的摄食压力 张立通,孙摇 耀,赵从明,等 (2046)…………………………………
期刊基本参数:CN 11鄄2031 / Q*1981*m*16*290*zh*P* ￥ 70郾 00*1510*33*
室室室室室室室室室室室室室室
2011鄄04
封面图说: 日斜茅荆坝·河北茅荆坝———地处蒙古高原向华北平原过渡地带的暖温带落叶阔叶林,色彩斑斓,正沐浴着晚秋温
暖的阳光。
彩图提供: 国家林业局陈建伟教授摇 E鄄mail: cites. chenjw@ 163. com
生 态 学 报 2011,31(7):1855—1866
Acta Ecologica Sinica
http: / / www. ecologica. cn
基金项目:国家重点基础研究发展计划(973)(2006CB403207)
收稿日期:2010鄄02鄄28; 摇 摇 修订日期:2010鄄11鄄08
*通讯作者 Corresponding author. E鄄mail: jni@ ibcas. ac. cn
利用 CASA模型模拟西南喀斯特植被净第一性生产力
董摇 丹1,2,倪摇 健1,*
(1. 中国科学院植物研究所植被与环境变化国家重点实验室,北京摇 100093;2. 中国科学院研究生院,北京摇 100049)
摘要:基于 SPOT NDVI遥感数据并结合数字高程模型、气象数据和植被参数,利用实测植被生产力计算和修正最大光能利用
率,通过改进 CASA过程模型,估算了中国西南喀斯特地区 1999—2003 年的植被净第一性生产力(NPP)。 结果表明:(1)改进
后的 CASA模型模拟的植被 NPP 与实测值相关性显著,可较好用于西南喀斯特植被的 NPP 估算;(2)西南 8 省市区 1999—
2000 年喀斯特和非喀斯特植被的 NPP有轻度增加,但空间变化不显著,2001 年低值区范围增加,2002 年 NPP高值区的范围明
显扩大,随后在 2003 年又降低,但仍高于 2001 年;(3)5a间西南喀斯特地区年 NPP的变化范围是 381. 7—439. 9 gC m-2 a-1,平
均值为 402. 34 gC m-2 a-1,逐年 NPP波动中呈现总体增长趋势,平均增加值为 9. 93 gC m-2 a-1,5a总增加量为 11TgC,但非喀斯
特地区的年 NPP平均值和增加值都大于喀斯特地区;(4)5a间喀斯特地区的热带森林、亚热带森林、灌丛和草地的逐年 NPP均
小于非喀斯特地区,温带森林和农业植被则相反;这 6 种典型植被年 NPP均呈增加趋势,热带森林的增加值最大,草地最小,非
喀斯特地区植被 NPP的增长趋势相似,但每种植被的年 NPP增加值均大于喀斯特地区。 西南喀斯特地区植被 NPP的时空变
化与气温、降水和太阳辐射的变化有关,而喀斯特植被 NPP低于非喀斯特地区,则主要由喀斯特地区水分匮缺、土壤贫瘠等恶
劣条件而抑制植物生长造成的。
关键词:CASA模型;气候因子;喀斯特;最大光能利用率;归一化植被指数(NDVI);净第一性生产力(NPP)
Modeling changes of net primary productivity of karst vegetation in southwestern
China using the CASA model
DONG Dan1,2, NI Jian1,*
1 State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China
2 Graduate University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: Modeling large鄄scale net primary productivity (NPP) using remote sensing data and ecosystems model is a great
challenge of global change study. The processes鄄based model of Carnegie鄄Ames鄄Stanford Approach ( CASA) has been
widely used in regional and global NPP estimates. However applying this model to specific region with harsh topography
such as the karst terrain is few reported because of the difficulty in accurately estimating the maximum Light Use Efficiency
(LUE). Estimating precisely the karst vegetation NPP is a foundation of rocky鄄desertified ecosystem restoration in harsh
karst habitats. In this study, annual NPP from 1999 to 2003 was simulated using the CASA model driven by SPOT
Normalized Difference Vegetation Index ( NDVI) at 1km spatial resolution, digital elevation model ( DEM), climate
variables and vegetation鄄based parameters. The CASA model was improved by calculating the maximum LUE for 19
vegetation types based on the field observations of NPP. Results showed that (1) the simulated NPP by the improved CASA
model has significant relationship with the observed NPP. This model could be better used in estimating NPP of karst
vegetation in SW China. (2) From 1999 to 2000 the NPP of both karst and non鄄karst vegetation increased slightly in SW
China, but the spatial change was not significant. The area with lower NPP enlarged in 2001, but the higher NPP area in
2002 enlarged significantly. The NPP decreased in 2003, but the values were still higher than those in 2001. (3) Annual
NPP of karst vegetation in SW China ranged from 381. 7 439. 9 gC m-2 a-1(average 402. 34 gC m-2 a-1) during 1999
http: / / www. ecologica. cn
2003. The annual NPP fluctuated in this period, but there was an overall increase trend with annual increment of 9. 93 gC
m-2 a-1 . The total amount of increment was 11 TgC during those five years. The averaged annual NPP and its increment of
non鄄karst vegetation were all higher than those in karst vegetation. (4) Annual NPP of tropical and subtropical forests,
shrub and grassland in karst region during five years are less than those in non鄄karst region, but the temperate forests and
agricultural vegetation have the opposite trend. All of six types of vegetation have increased their NPP both in karst and
non鄄karst regions, along with the highest increment in tropical forest and the lowest one in grassland. The NPP increments
of each vegetation type in non鄄karst region are higher than those in karst region. In general, the spatial鄄temporal changes of
vegetation NPP in SW China are closely related to regional changes of temperature, precipitation and solar radiation. Karst
vegetation has lower NPP than non鄄karst vegetation is mainly due to the water stress and poor soils in harsh karst habitats
that restrict plant growth.
Key Words: CASA model; climate variables; karst; maximum light use efficiency; NDVI; net primary productivity
(NPP)
净第一性生产力(Net Primary Productivity, NPP)是生态系统功能的关键因子,也是近 30a 来全球变化研
究中各种模型的必要输入条件,利用野外观测、遥感数据和植被模型对其全球和区域格局以及年际和季节变
化的估算一直是国际生态学和地学领域的研究热点[1鄄5]。 森林生态系统因其广阔的面积和巨大的碳储量与
碳生产能力,在全球碳循环中起着关键作用[6],但由于森林的空间异质性和野外观测的困难性,量化大尺度
森林生产力的变化受到了很大限制,这就对区域和全球尺度上 NPP的估算提出了挑战。
利用遥感数据驱动生态学模型在区域和全球尺度上模拟 NPP 是其中的重要方法之一,尤其是遥感数据
具有时间序列长和覆盖面广的特点,可估算不同地区生产力的年际和季节动态变化,得到国内外研究者的广
泛重视[1, 4鄄5, 7]。 在众多基于遥感数据估算生产力的统计模型、参数模型和过程模型中[1],Carnegie鄄Ames鄄
Stanford Approach(CASA) [8鄄9]是基于光能利用率(Light Use Efficiency,LUE)的一个过程模型,在全球以及区域
生产力的估算中有着广泛的应用[10鄄13]。 光能利用率的准确估算是利用 CASA模型模拟生产力的关键因素之
一,模型作者提出在理想状态下植被存在着最大光能利用率,不同植被类型的月值为 0. 389gC MJ-1 [8鄄9]。 事
实上,不同植被类型的光能利用率存在着很大差异[14],受到温度、水分、土壤、植物个体发育等因素的显著影
响,把它作为一个常数在全球范围内使用会引起很大的误差。 因此,利用光能利用率过程模型模拟植被生产
力,关键在于对光能利用率的准确估算。
CASA模型在全球植被 NPP模拟和碳循环研究中应用广泛[8鄄9, 12鄄13],在我国和区域植被生产力的模拟中
也发挥了很大作用[10, 15鄄16],但因为涉及的参数多,不同植被类型 LUE 的准确赋值困难,因此该模型依然缺乏
广泛和细致的应用,尤其是在区域尺度或者一些特殊地貌类型上,比如我国的喀斯特景观地区。
我国西南山地的喀斯特地貌主要分布于贵州、广西和云南等 8 个省区,特殊的碳酸盐岩基质不仅造就了
当地的土壤顶极植被类型———常绿落叶阔叶混交林,与亚热带典型的常绿阔叶林气候顶极有很大区别[17],同
时也造成了基岩裸露、土壤稀薄、水分易渗漏等脆弱的环境,加上人为活动剧烈,导致该地区的森林植被一旦
破坏即难以恢复,水土流失,基岩大面积出露,形成严酷的石漠化景观,严重影响到当地的生态环境和社会经
济发展[18]。 为揭示石漠化的生态学机理,恢复与重建该地区的石漠化生态系统,就需要对喀斯特植被的生产
力和稳定性进行详尽研究;然而,喀斯特生境的严酷使得野外生物量的取样观测极其困难,以往喀斯特地区生
物量的估算仅局限于极少样点的野外植物收获[19鄄21],无法进行区域生产力的监测,更不可能估算整个西南地
区喀斯特植被的生产力。 遥感方法在喀斯特地区主要用于石漠化的监测和土地利用的研究,估算大尺度植被
生产力的工作比较局限,研究区域集中在云贵广三省[22鄄23],还没有利用遥感数据驱动的生态学模型模拟喀斯
特植被生产力的工作。
本研究使用 CASA模型,通过改进其最大光能利用率的估算,修正模型参数,利用近期高分辨率的遥感数
6581 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
http: / / www. ecologica. cn
据,对西南喀斯特地区 1999—2003 年的植被 NPP 进行模拟,旨在探讨该地区植被生产力的年际和季节变化
及其空间分布,讨论不同植被类型的 NPP变化特征,以及喀斯特植被和非喀斯特植被之间的差异,为喀斯特
植被的保护和石漠化生态系统的恢复机理提供基础数据。
1摇 研究区域与方法
1. 1摇 研究区域概况
我国西南地区的喀斯特地貌主要分布在贵州、广西、云南、广东、湖北、湖南、四川和重庆 8 省市自治区,面
积为 60. 223伊104km2,占该地区总面积的 27. 2% (图 1)。 整个地区地域辽阔,南北跨 15 个经度,东西跨 21 个
经度,气候类型为热带及亚热带季风气候,地貌主要为山地和高原,除云南和四川西部的青藏高原东南边缘海
拔达 3000—7000 m外,其它地区为 3000 m以下,喀斯特地貌主要分布在海拔为 0—5835m的地区(图 1a),是
我国乃至世界亚热带锥状喀斯特分布面积最大、发育最强烈的高原山区[18]。
该地区的优势植被类型为亚热带常绿落叶阔叶混交林和亚热带针叶林,主要分布在四川南部、云南西部、
湖南西部以及贵州、重庆、湖北和广西的大部分地区;高寒植被和山地针叶林分布在云南、四川西部青藏高原
边缘地带和四川盆地边缘的高海拔地区;热带季雨林、热带雨林和热带针叶林主要零星分布在广西西南部、云
南北部和四川中南部;亚热带常绿阔叶林和亚热带 /热带草丛在 8 个省都有分布,较集中分布在云南、贵州和
广西以及四川南部和重庆东北部;亚热带 /热带灌丛主要分布在贵州,以及重庆与湖南接壤地带和广西西部;
山地温带草原和温带落叶阔叶 /针叶林分布在四川与云南接壤地带以及四川中部和北部;热带和亚热带农业
植被在各省区成片或斑块状分布(图 1b)。
1. 2摇 研究方法
1. 2. 1摇 CASA模型
CASA是由遥感、气象、植被以及土壤类型数据共同驱动的光能利用率模型[8鄄9]。 NPP主要由植被所吸收
的光合有效辐射(APAR)与光能利用率(着)两个变量确定,APAR 由光合有效辐射(PAR)和植物吸收分量
( fPAR)确定,而参数 着由最大光能利用率(着*)和体现气候因子对植被光能利用率影响的温度(T着1和 T着2)及
水分胁迫系数(W着)共同确定的。 因此,NPP可以表示为下式:
NPP= fPAR伊PAR伊着*伊T着1伊T着2伊W着 (1)
式中, fPAR 取决于植被类型和植被覆盖,研究证明,归一化差异植被指数 ( Normalized Difference
Vegetation Index,NDVI)能很好地反映植被覆盖状况[8],CASA 模型即使用 NDVI 代替 fPAR 对 NPP 进行估算
(图 2,公式 2—5),PAR通过太阳辐射乘以常数 0. 5 得到,T着1表示在低温和高温时植物体内在的生化作用对
光合的限制而降低净第一性生产力,T着2表示环境温度从最适宜温度向高温和低温变化时植物的光能转化率
逐渐变小的趋势,T着1和 T着2的计算参照模型文献[8鄄9],W着反映了植物所能利用的有效水分条件对光能转化率的
影响,计算参考朴世龙等[10]。 模型的具体算法参见模型文献[8鄄9]。
SR=(1+NDVI) / (1-NDVI) (2)
fPARSR =(SR-SRmin / SRmax-SRmin)伊( fPARmax-fPARmin)+fPARmin (3)
fPARNDVI =
(NDVI-NDVImin)伊( fPARmax-fPARmin)
(NDVImax-NDVImin)
+fPARmin (4)
fPAR=( fPARSR+fPARNDVI) / 2 (5)
式中,SR代表比值植被指数,fPARSR和 fPARNDVI分别代表根据 SR 和 NDVI 估算得到的 PAR,fPARmin和 fPARmax
的取值与植被类型无关,fPARmin = 0. 001,fPARmax = 0. 95,NDVImin和 NDVImax分别对应某种植被类型 NDVI 的
5%和 95%处的百分位数。
原模型中的水分胁迫系数(W着)经由土壤水分子模型计算得到的,其中涉及的众多土壤参数则是从土壤
质地图提取得到的,精度难以保证,研究中使用改进后的 CASA模型,即排除众多土壤参数,仅使用气象数据,
并结合区域蒸散模型对水分胁迫因子进行估算(图 2),这样不仅保持了原模型中植物生理生态学基础,还在
7581摇 7 期 摇 摇 摇 董丹摇 等:利用 CASA模型模拟西南喀斯特植被净第一性生产力 摇
http: / / www. ecologica. cn
图 1摇 中国西南地区海拔(a)及喀斯特地区植被类型(b)
Fig. 1摇 Elevation (a) and vegetation types of karst region (b) in southwestern China
一定程度上对输入参数进行了简化[16]。
1. 2. 2摇 最大光能利用率的改进
为准确获取不同植被类型的最大光能利用率,以西南地区各植被的 NPP实测值来模拟和改进 着*值。 首
先计算所有像元的 APAR、温度和水分胁迫系数,然后挑选研究区范围内的 NPP实测数据,最后模拟得到各种
植被类型的最大光能利用率(图 2,公式 6):
着* =NPPObv / (APAR伊T着1伊T着2伊W着) (6)
森林 NPP的实测值来源于 1989—1993 年间的全国森林资源清查的木材蓄积量,提取西南地区的数据,
8581 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
http: / / www. ecologica. cn
图 2摇 改进后的 CASA模型流程图
Fig. 2摇 Flow chart of the improved CASA model
按照蓄积量—生物量的转换函数计算森林生物量和生产力[24鄄27],草地 NPP的计算依据 1991 年结束的全国草
业资源清查所获取的干草产量[28]。 因缺少实测 NPP,热带、亚热带和温带的农业植被的 着*分别利用同温度
带的自然植被值估算获得;热带 /亚热带灌丛的 着*等同于温带农业植被;无植被地段利用国际通用值(表 1)。
表 1摇 西南喀斯特地区 19 种植被类型的实测 NPP值(gC m-2 a-1)和最大光能利用率(着*, gC / MJ)
Table 1摇 Observed NPP (gC m-2 a-1) and maximum LUE (着*, gC / MJ) of 19 vegetation types in karst region of southwestern China
植被类型
Vegetation type
样本数
Sample
Number
实测
NPP最小值
Observed
minimum NPP
实测
NPP最大值
Observed
maximum NPP
实测
NPP平均值
Observed
mean NPP
模拟
NPP平均值
Simulated
mean NPP
标准偏差
SD
最大光能
利用率 着*
Maximum
LUE
热带森林
Tropical forest
热带雨林
Tropical rain forest N / A 624. 0 987. 0 987. 0 991. 6 222. 2 0. 862
热带季雨林
Tropical monsoon forest 8 260. 0 1136. 4 644. 7 677. 2 115. 9 0. 741
热带针叶林
Tropical coniferous forest 7 628. 6 1100. 0 702. 5 786. 0 23. 6 0. 662
亚热带森林
Subtropical
forest
亚热带常绿阔叶林
Subtropical evergreen
broadleaf forest
233 184. 1 1561. 4 539. 3 547. 1 144. 5 0. 636
亚热带常绿 /落叶阔叶混
交林
Subtropical evergreen
/ decidousbroadleaf
mixed forest
385 116. 4 1595. 5 482. 2 513. 6 95. 8 0. 565
亚热带针叶林
Subtropical coniferous
forest
521 21. 4 1655. 0 402. 1 419. 4 101. 3 0. 476
9581摇 7 期 摇 摇 摇 董丹摇 等:利用 CASA模型模拟西南喀斯特植被净第一性生产力 摇
http: / / www. ecologica. cn
摇 摇 续表
植被类型
Vegetation type
样本数
Sample
Number
实测
NPP最小值
Observed
minimum NPP
实测
NPP最大值
Observed
maximum NPP
实测
NPP平均值
Observed
mean NPP
模拟
NPP平均值
Simulated
mean NPP
标准偏差
SD
最大光能
利用率 着*
Maximum
LUE
温带森林
Temperate
forest
温带落叶阔叶林 /针叶林
Temerate decidous
broadleaf / coniferous forest
N / A N / A N / A 495. 5 527. 1 96. 4 0. 590
灌丛
Shrub
亚热带 /热带灌丛
Subtropical / tropical shrub N / A N / A N / A N / A 439. 1 108. 0 0. 500
亚高山灌丛
Subalpine shrub 2 127. 3 551. 4 339. 3 354. 5 107. 1 0. 450
草地
Grassland
亚热带 /热带草地
Subtropical /
tropical grassland
N / A N / A N / A 102. 2 134. 3 35. 8 0. 150
温带草地
Temperate grassland N / A N / A N / A 49. 6 80. 2 22. 2 0. 100
农业植被
Agricultural
vegetation
热带农业植被
Tropical agricultural
vegetation
N / A N / A N / A N / A 619. 1 193. 7 0. 700
亚热带农业植被
Subtropical agricultural
vegetation
N / A N / A N / A N / A 465. 8 145. 4 0. 600
温带农业植被
Temperate agriculture
vegetation
N / A N / A N / A N / A 371. 9 116. 6 0. 500
高寒草原 Alpine meadow N / A N / A N / A 27. 50 42. 8 12. 7 0. 060
高寒苔原 Alpine tundra N / A N / A N / A 5. 30 8. 6 5. 9 0. 020
山地针叶林 Mountain coniferous forest 497 150. 5 998. 2 267. 5 267. 7 56. 3 0. 337
无植被 Non鄄vegetation N / A N / A N / A N / A 0. 5 0. 3 0. 001
沼泽 Swamp N / A N / A N / A 99. 2 102. 5 37. 4 0. 165
1. 3摇 数据
1. 3. 1摇 NDVI数据
NDVI数据来自 SPOT鄄VEGETATION空间分辨率为 1km的全球观测值(中国西部环境与生态科学数据中
心,http: / / westdc. westgis. ac. cn),图像预处理包括大气矫正、辐射矫正、几何校正,以及利用最大值合成法
(MVC)获得逐旬 NDVI数据。 本研究选用 1999 年 1 月—2003 年 12 月共 180 幅逐旬图像,对每月的三旬数据
再次进行最大值合成,得到逐月数据集,并将图像投影为经纬网投影(Geographic lat / lon)。
1. 3. 2摇 气象数据
1999 年 1 月—2003 年 12 月的气象数据来源于国家气象局,包括 176 个台站的月均气温和月总降水、31
个台站的月总太阳辐射。 以高分辨率 STRM30 数字高程模型(DEM) (图 1a)为基础,采用薄盘光滑样条
法[29],将气象数据插值为 1km的经纬网投影的栅格数据。 通过计算获得,研究区内 1999—2003 年的年均温
为 3. 3—24. 0益,年累积降水为 570. 3—1896. 1mm以及年总太阳辐射为 3280. 3—6629. 3MJ / m2。
1. 3. 3摇 植被数据
使用比例尺为 1 颐1000000 的矢量格式中国植被图[30],通过归类合并,将西南喀斯特地区的植被分为 19
类(表 1),用于模拟植被的最大光能利用率,并将矢量图转化成 1km 空间分辨率、经纬网投影的栅格图层,以
与其它数据匹配。 为探讨喀斯特地区典型植被 NPP的空间分布,在分析时将植被又合并为 6 类,即热带森林
(包括热带雨林、热带季雨林和热带针叶林)、亚热带森林(亚热带常绿阔叶林、亚热带常绿落叶阔叶混交林和
亚热带针叶林)、温带森林(温带落叶阔叶 /针叶林)、灌丛(热带 /亚热带灌丛和亚高山灌丛)、草地(热带 /亚
0681 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
http: / / www. ecologica. cn
热带草地和温带草地)和农业植被(热带农业植被、亚热带农业植被和温带农业植被)。
1. 3. 4摇 喀斯特地貌分布
喀斯特地貌分布图由喀斯特科学数据中心在线提供(www. karstdata. cn / ;图 1b)。 依据该数据并结合植
被分布图发现,3000m以上的高海拔地区(云南和四川西部山区)主要分布亚高山和高山冷杉、云杉针叶林,
喀斯特植被的代表性不强,因此我们只提取了分布在海拔 3000m以下的喀斯特地貌作为研究区域。
2摇 结果与分析
2. 1摇 模型验证
亚热带 /热带山地针叶林、亚热带常绿阔叶林、亚热带常绿落叶阔叶混交林和亚热带针叶林这 4 种植被
NPP实测样点较多,但与改进后 CASA模型模拟结果的点对点相关性较差,均未达到显著水平,原因可能是:
(1)野外取样存在一定误差,样地内成年树与幼年树分布不均,或者对整个区域植被的代表性较差;(2)实测
NPP与遥感数据的年代不匹配,前者为 20 世纪 90 年代初期,后者是 1999—2003 年,在这段时间内植被发生
变化。
然而,不同植被类型的平均 NPP实测值与模拟值具有较好的吻合性(表 1),除农业植被、灌丛和无植被
外,其他 14 种植被类型的 NPP实测值与模拟值相关性显著(R2 = 0. 9953,P<0. 001,n = 14),说明 CASA 模型
可较好模拟中国西南喀斯特植被的 NPP。 但模型的模拟值均略高于实测 NPP,原因是:(1)实测 NPP 是 20
世纪 90 年代初期的数值,而 CASA模型模拟的是 1999—2003 年的值,考虑到植被的生长,CASA 模型模拟值
高于实测值符合北半球陆地光合作用加强的趋势[12鄄13, 23];(2)模型中输入的气象数据是通过台站的观测值插
值得到,插值过程会造成一定的偏差;(3)CASA模型本身对植物生理生态过程模拟的不准确,也会影响大尺
度 NPP的估算精度。
2. 2摇 区域 NPP变化
整个西南 8 省区 NPP低值区(<285 gC m-2 a-1)主要分布在四川中西部的山地及其它零星地区,四川盆
地和重庆、贵州全省、湖南和湖北的中部地区以及云南和广西北部、广东东南沿海的生产力属于中等(285—
480 gC m-2 a-1),而高值区(>480 gC m-2 a-1)主要分布在湖北西部以及云南、广西和广东的中南部地区、四川
盆地边缘,但各年度之间有变化(图 3)。 1999—2000 年 NPP值有轻度增加,但空间变化不显著;2001 年存在
降低趋势,尤其是低值区范围轻度扩大;2002 年 NPP高值区的范围明显扩大,原先的中值区部分扩大为高值
区;随后在 2003 年 NPP降低,但仍高于 2001 年(图 3)。 喀斯特地区 1999—2003 年 NPP 空间变化趋势与西
南地区总趋势相同,1999—2001 年间相对变化不大,大部分喀斯特地区 2002 年 NPP 升高,2003 年降低;而广
西中部、西南部和湖南南部地区 2002 年 NPP 值却要低于前 3a,2003 年则升高。 从喀斯特地区 5a 平均 NPP
空间分布来看(图 3),NPP低值区分布在贵州、云南东北部和湖南中部,高值区主要分布于湖北西部、云南和
广西的南部以及四川南部地区,而中值 NPP主要分布在贵州及其周边地区和四川盆地边缘。
西南喀斯特地区 1999—2003 年逐年的总 NPP 依次为 172. 9、173. 6、170. 1、196. 0 TgC 和 183. 8 TgC,5a
平均为 179. 3 TgC / a,与非喀斯特地区相比(年总 NPP 变化范围 421. 6—492. 1 TgC,年平均 NPP 446. 9 TgC /
a)普遍较低。 但两个地区变化趋势一致(图 4),从 1999 到 2000 年呈低增长,2001 年下降并分别达最低值,
2002 年出现了大幅度的增长,分别达到最高值,2003 年又出现了下降的趋势;总体来说 NPP 呈增长趋势,喀
斯特地区年均增加值(9. 93 gC m-2 a-1)要低于非喀斯特地区(14. 40 gC m-2 a-1)。 NPP 的季节变化表明,从
1999—2003 年,春夏秋三季喀斯特地区 NPP呈现波动上升的趋势,冬季呈波动下降趋势,NPP 平均增加值最
大发生在雨热同期的夏季(R2 = 0. 566,P>0. 05,n = 5),低于非喀斯特地区的增加值(R2 = 0郾 831,P<0. 05,n =
5)。 每年的 NPP最大值多出现在 7 月,最小值多出现在 2 月(图 4)。
.
2. 3摇 不同植被类型 NPP变化
1999—2003 年间喀斯特地区的热带森林、亚热带森林、灌丛和草地的逐年 NPP 均小于非喀斯特地区,相
1681摇 7 期 摇 摇 摇 董丹摇 等:利用 CASA模型模拟西南喀斯特植被净第一性生产力 摇
http: / / www. ecologica. cn
图 3摇 中国西南地区 1999—2003 年 NPP以及喀斯特地区年平均 NPP (gC m-2 a-1)的空间分布
Fig. 3摇 Spatial distribution of annual NPP from 1999 to 2003 in southwestern China and of 5鄄year mean annual NPP in karst region
反,喀斯特地区的温带森林和农业植被的逐年 NPP要大于非喀斯特地区。 喀斯特地区除热带森林年际 NPP
呈逐年增长的趋势外,亚热带森林、温带森林、灌丛、草地和农业植被的 NPP 从 1999 到 2000 年呈低增长,
2001 年下降并分别达最低值,2002 年出现了大幅度的增长,分别达到最高值,2003 年又出现了下降的趋势;
而非喀斯特地区 6 种植被类型的 NPP变化趋势与研究区一致,即 1999—2001 年低增长,2002 年达到最高值,
随后在 2003 年下降。 喀斯特地区的 6 种植被中,热带森林的年平均 NPP 增加值最大(33. 64 gC m-2 a-1),其
次是农业植被、温带森林、灌丛、亚热带森林和草地,每种植被类型的年 NPP平均增加值均小于非喀斯特地区
的相应值。 不同植被类型的逐月 NPP变化有一定的相似性,夏季达最大值,冬季为最小值,但不同的植被类
2681 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
http: / / www. ecologica. cn
图 4摇 1999—2003 年喀斯特与非喀斯特地区 NPP逐年和逐月变化
Fig. 4摇 Yearly and monthly changes of net primary productivity (NPP) form 1999 to 2003 in karst and non鄄karst regions
型间和喀斯特与非喀斯特地区有少许差异(图 5)。
3摇 结论与讨论
3. 1摇 结论
本文运用 GIS和 RS方法,综合 SPOT NDVI遥感数据、气象数据以及植被分类数据,通过改进光能利用率
CASA模型,重建中国西南喀斯特地区 1999—2003 年不同植被类型 NPP年际和月际的时空序列及变化,得到
以下结论:
(1)改进后的 CASA模型可以较好地模拟我国西南喀斯特地区植被的 NPP。
(2)1999—2003 年西南喀斯特地区年 NPP的平均值为 402. 34 gC m-2 a-1,变化范围是 381. 7—439. 9 gC
m-2 a-1,逐年 NPP呈波动增长的趋势,非喀斯特地区的年 NPP平均值和增加值都大于喀斯特地区。
(3)1999—2000 年西南地区 NPP有轻度增加,但空间变化不显著,2001 年低值区面积扩大,2002 年高值
区面积显著增加,随即在 2003 年又有所下降,但仍高于 2001 年。
(4)1999—2003 年喀斯特地区的 6 种典型植被年 NPP均呈增加趋势,非喀斯特地区相应植被 NPP 的增
长趋势相似,但每种植被的年 NPP增加值均大于喀斯特地区。
3. 2摇 讨论
利用模型模拟西南喀斯特地区植被 NPP的研究比较缺乏,王冰等[22]利用基于MODIS数据的光能利用率
模型估算了 2001 年贵州省喀斯特地区的植被 NPP为 407. 18 gC m-2 a-1,非喀斯特地区为 461. 53 gC m-2 a-1,
高于本研究得到的贵州省同时期的 NPP(喀斯特植被 NPP为 325. 69 gC m-2 a-1,非喀斯特植被 336. 13 gC m-2
a-1);而 Wang等[23]用 1981—2000 年 AVHRR GloPEM NPP数据得到云南、贵州和广西 3 省的 NPP 平均增加
值为 1. 65 gC m-2 a-1,低于本研究中得到的 1999—2003 年相同区域 NPP平均增加值 15. 77 gC m-2 a-1。 模型
和驱动数据的不同都是造成这种差异主要原因,植被区域的不同也是原因之一。
近期研究表明,北半球中高纬度地区的陆地光合作用在过去的 20—30a 间存在着增加趋势[12鄄13],中国西
南喀斯特地区生产力也呈增加趋势[23]。 本研究中,西南喀斯特地区 NPP 在 1999—2003 年呈波动增加的趋
势,平均增加值为 9. 93 gC m-2 a-1,主要是气象因子的年际变异引起的。 太阳辐射的变化趋势与 NPP 最为相
似,1999—2000 年呈上升趋势,随即在 2001 年下降,2002 年上升至最大值,又在 2003 年下降,1999—2003 年
总太阳辐射平均增加值为 13. 72 MJ / m2;年均温在 1999—2000 年呈下降趋势,随后一直呈上升趋势,5a 内平
均增加值为 0. 048益;年降水则呈波动下降的趋势,平均减少值为 22. 40mm。 研究中还发现,无论年际还是月
际变化,喀斯特植被的 NPP总体上都是要低于非喀斯特植被,说明两种地貌类型上植被覆盖的差异,喀斯特
地区地表石漠化严重,土层薄,植被覆盖度低,而非喀斯特地区地表土层厚,植被覆盖度较高[17鄄18]。 喀斯特
3681摇 7 期 摇 摇 摇 董丹摇 等:利用 CASA模型模拟西南喀斯特植被净第一性生产力 摇
http: / / www. ecologica. cn
图 5摇 1999—2003 年喀斯特(荫)与非喀斯特地区(茵)6 种典型植被 NPP逐年和逐月变化
Fig. 5摇 Yearly and monthly changes of NPP of six vegetation types from 1999 to 2003 in karst (荫) and non鄄karst (茵) regions
NPP的空间分布是气象因子及植被类型共同作用的结果,从区域分布来看,NPP 低值区多分布在贵州省,原
因是贵州省喀斯特地貌分布范围广,地表植被破坏较严重,植被类型多以草地和灌丛为主,光能利用率低(表
1),再加之省内太阳辐射处于中低值分布区,而 NPP高值区的地区水热条件都较好且植被类型以热带、亚热
4681 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
http: / / www. ecologica. cn
带森林为主,光能利用率高(表 1)。
不同植被类型 NPP的变化幅度和平均增加值不同,热带森林年平均 NPP 变化范围最大,其次是温带森
林、农业植被、亚热带森林、灌丛和草地;热带森林年平均 NPP的平均增加值也最高,其它依次是农业植被、温
带森林、灌丛、亚热带森林和草地。 这与不同植被的最大光能利用率有关,热带森林的最大光能利用率普遍较
高,草地则很低(表 1)。 研究时段内,喀斯特地区温带森林和农业植被的年 NPP 大于非喀斯特地区的相应
值,这与喀斯特地区温带森林逐年的温度和降水都要大于非喀斯特地区,而喀斯特地区农业植被的逐年太阳
辐射要高于非喀斯特地区有关;其他 4 种植被类型的年 NPP均小于非喀斯特地区的相应值,与这些植被所在
喀斯特区域的温度、降水和辐射均小于非喀斯特地区相关。 这也说明,温度和降水可能是温带森林生长的驱
动因素,而太阳辐射则可能是农业植被生长的驱动因素,这为以后的研究提出了新的问题。
致谢:国家自然科学基金委员会“中国西部环境与生态科学数据中心冶提供遥感、植被和气象数据,喀斯特科
学数据中心提供喀斯特地貌分布图。 北京大学殷贺和中国科学院植物研究所王焓、杨阔在数据准备和分析中
给予帮助,在此一并致谢。
References:
[ 1 ]摇 Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data. Journal of
Geophysical Research, 1994, 99(D3): 5263鄄5283.
[ 2 ] 摇 Cramer W,Kicklighter D W, Bondeau A, Moore III B, Churkina G, Nemry B, Ruimy A, Schloss AL, the Participants of the Potsdam NPP Model
Intercomparison. Comparing global models of terrestrial net primary productivity (NPP): overview and key results. Global Change Biology, 1999,5
(Suppl. 1): 1鄄15.
[ 3 ] 摇 Scurlock J M O, Cramer W, Olson R J, Parton W J, Prince S D. Terrestrial NPP: towards a consistent data set for global model evaluation.
Ecological Applications, 1999, 9(3): 913鄄919.
[ 4 ] 摇 Peng S L,Guo Z H, Wang B S. Use of GIS and RS to estimate the light utilization efficiency of the vegetation in Guangdong, China. Acta Ecologica
Sinica, 2000, 20 (6): 903鄄909.
[ 5 ] 摇 Nemani R R, Keeling C D, Hashimoto H, Jolly W M, Piper S C, Tucker C J, Myneni R B, Running S W. Climate鄄driven increases in global
terrestrial net primary production from1982 to 1999. Science, 2003, 300(5625): 1560鄄1563.
[ 6 ] 摇 Dixon R K, Brown S, Houghton R A, Solomon A M,Trexler M C, Wisniewski J. Carbon pools and flux of global forest ecosystems. Science,
1994, 263(5144): 185鄄190.
[ 7 ] 摇 Ricotta C,Avena G, De Palma A. Mapping and monitoring net primary productivity with AVHRR NDVI time鄄series: statistical equivalence of
cumulative vegetation indices. International Society for Photogrammetry and Remote Sensing ( ISPRS) Journal of Photogramm, Remote Sensing,
1999, 54(5 / 6): 325鄄331.
[ 8 ] 摇 Potter C S,Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystemproduction: a process model
based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811鄄841.
[ 9 ] 摇 Field C B, Randerson J T, Malmstr觟m C M. Global net primary production: combining ecology and remote sensing. Remote Sensing of
Environment, 1995, 51(1): 74鄄88.
[10] 摇 Piao S L, Fang J Y, Guo Q H. Application of CASA model to the estimation of Chinese terrestrial net primary productivity. Acta Phytoecologica
Sinica, 2001, 25(5): 603鄄608.
[11] 摇 Chen L J, Liu G H, Li H G. Estimation net primary productivity of terrestrial vegetation in China using remote sensing. Journal of Remote Sensing,
2002, 6(2): 129鄄135.
[12] 摇 Hicke J A, Asner G P, Randerson J T, Tucker C J, Los S O, Birdsey R A, Jenkins J C, Field C, Holland E. Satellite鄄drived increases in net
primary productivity across North America, 1982—1998. Geophysical Research Letters, 2002, 29: 1427鄄1431.
[13] 摇 Fang J Y, Piao S L, Field C B, Pan Y D, Guo Q H, Zhou L M, Peng C H, Tao S. Increasing net primary production in China from 1982 to 1999.
Frontiers in Ecology and the Environment, 2003, 1(6): 293鄄297.
[14] 摇 Zhu W Q, Chen Y H, Pan Y Z, Li J. Estimation of light utilization efficiency of vegetation in China based on GIS and RS. Geomatics and
Information Science of Wuhan University, 2004, 29(8): 694鄄698.
[15] 摇 Zhu W Q, Pan Y Z, Long Z H, Chen Y H, Li J, Hu H B. Estimation net primary productivity of terrestrial vegetation based on GIS and RS: a
case study in inner Mongolia, China. Journal of Remote Sensing, 2005, 9(3): 300鄄307.
5681摇 7 期 摇 摇 摇 董丹摇 等:利用 CASA模型模拟西南喀斯特植被净第一性生产力 摇
http: / / www. ecologica. cn
[16]摇 Yu D Y, Shi P J, Shao H B, Zhu W Q, Pan Y Z. Modelling net primary productivity of terrestrial ecosystems in East Asia based on an improved
CASA ecosystem model. International Journal of Remote Sensing, 2009, 30(18): 4851鄄4866.
[17] 摇 Zhu S Q. The Ecological Research on Karst Forest I. Guiyang: Guizhou Science and Technology Press,1993: 1鄄50.
[18] 摇 Xiong K N, Li P, Zhou Z F, An Y L, Lv T, Lan A J. RS & GIS case studies of karst rocky desertification. Beijing: Geology Press, 2002: 17鄄18.
[19] 摇 Yang H K, Cheng S Z. Study on biomass of theKarst forest community in Maolan, Guizhou Province. Acta Ecologica Sinica, 1991, 11 (4):
307鄄312.
[20] 摇 Tu Y L, Yang J. Study on biomass of the Karst scrub communities in central region of Guizhou Province. Carsologica Sinica, 1995, 14 (3):
199鄄207.
[21] 摇 Zhu S Q,Wei L M, Chen Z R, Zhang C G. A preliminary study on biomass components of Karst forest in Maolan of Guizhou Province, China. Acta
Phytoecologica Sinica, 1995, 19(4): 358鄄367.
[22] 摇 Wang B, Yang S T, Wang Y J. Estimation on net primary productivity of vegetation in karst area of Guizhou Province. Carsologica Sinica, 2007,
26(2): 98鄄104.
[23] 摇 Wang J,Meng J J, Cai Y L. Assessing vegetation dynamics impacted by climate change in the southwestern karst region of China with AVHRR
NDVI and AVHRR NPP time鄄series. Environmental Geology, 2008, 54(6): 1185鄄1195.
[24] 摇 Luo T X. Patterns of net primary productivity for Chinese major forest types and their mathematical models. Beijing: Commission for Comprehensive
Survey of Natural Resources, Chinese Academy of Sciences, 1996.
[25] 摇 Feng Z W, Wang X K, Wu G. Biomass and Primary Productivity of Forest Ecosystems in China. Beijing: Science Press, 1999: 191鄄196.
[26] 摇 Ni J, Zhang X S,Scurlock J M O. Synthesis and analysis of biomass and net primary productivity in Chinese forests. Annals of Forest Science,
2001, 58(4): 351鄄384.
[27] 摇 Ni J. Net primary productivity in forests of China: scaling鄄up of national inventory data and comparison with model predictions. Forest Ecology and
Management, 2003, 176(1 / 3): 485鄄495.
[28] 摇 Ni J. Forage yield鄄based carbon storage in grasslands of China. Climatic Change, 2004, 67(2 / 3): 237鄄246.
[29] 摇 Hutchinson M F. ANUSPLIN Version 4. 36 User Guide. Canberra: Centre for Resource and Environmental Studies, The Australian National
University, 2006.
[30] 摇 Editorial Committee of Vegetation Atlas of China, Chinese Academy of Sciences. The Vegetation Atlas of China (1 颐1 000 000) . Beijing: Science
Press, 2001.
参考文献:
[ 4 ]摇 彭少麟, 郭志华, 王伯荪. 利用 GIS 和 RS 估算广东植被光利用率. 生态学报, 2000, 20(6): 903鄄909.
[10] 摇 朴世龙, 方精云, 郭庆华. 利用 CASA 模型估算我国植被净第一性生产力. 植物生态学报, 2001, 25(5): 603鄄608.
[11] 摇 陈立军, 刘高焕, 励惠国. 中国植被净第一性生产力遥感动态监测. 遥感学报, 2002, 6(2): 129鄄135.
[14] 摇 朱文泉, 陈云浩, 潘耀忠,李京. 基于 GIS 和 RS 的中国植被光利用率估算. 武汉大学学报(信息科学版), 2004, 29 (8): 694鄄698, 714.
[15] 摇 朱文泉, 潘耀忠, 龙中华, 陈云浩, 李京, 扈海波. 基于 GIS 和 RS 的区域陆地植被 NPP 估算———以中国内蒙古为例. 遥感学报, 2005,
9(3): 300鄄307.
[17] 摇 朱守谦. 喀斯特森林生态研究 I. 贵阳: 贵州科技出版社, 1993: 1鄄50.
[18] 摇 熊康宁, 黎平, 周忠发, 安裕伦, 吕涛, 蓝安军. 喀斯特石漠化的遥感——— GIS 典型研究. 北京: 地质出版社, 2002: 17鄄18.
[19] 摇 杨汉奎, 程仕泽. 贵州茂兰喀斯特森林群落生物量研究. 生态学报, 1991, 11(4): 307鄄312.
[20] 摇 屠玉麟, 杨军. 贵州中部喀斯特灌丛群落生物量研究. 中国岩溶, 1995, 14 (3): 199鄄207.
[21] 摇 朱守谦, 魏鲁明, 陈正仁, 张从贵. 茂兰喀斯特森林生物量构成初步研究. 植物生态学报, 1995, 19(4): 358鄄367.
[22] 摇 王冰, 杨胜天, 王玉娟. 贵州省喀斯特地区植被净第一性生产力的估算. 中国岩溶, 2007, 26(2): 98鄄104.
[24] 摇 罗天祥. 中国主要森林类型的生物生产力格局及其数学模型. 北京: 中国科学院自然资源综合考察委员会, 1996.
[25] 摇 冯宗炜, 王效科, 吴刚. 中国森林生态系统的生物量和生产力. 北京: 科学出版社, 1999: 191鄄196.
[30] 摇 中国科学院中国植被图编辑委员会. 1 颐1 000 000 中国植被图集. 北京: 科学出版社, 2001.
6681 摇 生摇 态摇 学摇 报摇 摇 摇 31 卷摇
ACTA ECOLOGICA SINICA Vol. 31,No. 7 April,2011(Semimonthly)
CONTENTS
Seasonal variation of soil nitrogen pools and microbes under natural evergreen broadleaved forest and its artificial regeneration
forests in Southern Sichuan Province, China GONG Wei, HU Tingxing, WANG Jingyan, et al (1763)…………………………
Sensitivity analysis for main factors influencing NPP of forests simulated by IBIS in the eastern area of Northeast China
LIU Xi, GUO Qingxi, LIU Jingwei (1772)
……………
…………………………………………………………………………………………
Diurnal changes of photosynthetic characteristics of Hippophae rhamnoides and the relevant environment factors at different slope
locations JIN Tiantian, FU Bojie, LIU Guohua, et al (1783)……………………………………………………………………
Interactive effects of nitrogen and sulfur on the reproduction, biomass accumulation and allocation of the clonal plant Spartina
alterniflora GAN Lin, ZHAO Hui, QING Hua, et al (1794)………………………………………………………………………
Difference in leaf photosynthetic capacity between pima cotton (Gossypium barbadense) and upland cotton (G. hirsutum) and
analysis of potential constraints ZHANG Yali, YAO Hesheng, LUO Yi, et al (1803)……………………………………………
Effects of shades on the photosynthetic characteristics and chlorophyll fluorescence parameters of Forsythia suspensa
WANG Jianhua, REN Shifu, SHI Baosheng,et al (1811)
…………………
…………………………………………………………………………
Growth and metal uptake of three woody species in lead / zinc and copper mine tailing
SHI Xiang, CHEN Yitai, WANG Shufeng,et al (1818)
…………………………………………………
……………………………………………………………………………
GMP particles size distribution in grains of wheat in relation to application of nitrogen fertilizer
WANG Guangchang, WANG Zhenlin, CUI Zhiqing,et al (1827)
………………………………………
…………………………………………………………………
Damaging mechanisms of peanut (Arachis hypogaea L. ) photosystems caused by high鄄temperature and drought under high irradiance
QIN Liqin, ZHANG Yueli, GUO Feng,et al (1835)………………………………………………………………………………
The effect of natural factors and disturbance intensity on spacial heterogeneity of plant diversity in alpine meadow
WEN Lu, DONG Shikui, ZHU Lei,et al (1844)
……………………
……………………………………………………………………………………
Modeling changes of net primary productivity of karst vegetation in southwestern China using the CASA model
DONG Dan, NI Jian (1855)
………………………
…………………………………………………………………………………………………………
The characteristics of Magnolia liliflora transpiration and its impacting factors in Beijing City
WANG Hua, OUYANG Zhiyun, REN Yufen,et al (1867)
…………………………………………
…………………………………………………………………………
Ecological effects of balanced fertilization on red earth paddy soil with P鄄deficiency
CHEN Jianguo, ZHANG Yangzhu,ZENG Xibai,et al (1877)
……………………………………………………
………………………………………………………………………
Effects of planting patterns on water use efficiency in winter wheat QI Lin, CHEN Yuhai, ZHOU Xunbo,et al (1888)………………
Nitrous oxide emissions from winter wheat field in the Loess Plateau PANG Junzhu, WANG Xiaoke, MU Yujing, et al (1896)……
Effects of hardening by pre鄄anthesis waterlogging on grain yield and quality of post鄄anthesis waterlogged wheat (Triticum aestivum
L. cv Yangmai 9) LI Chengyong, CAI Jian, JIANG Dong, et al (1904)…………………………………………………………
Effects of simulated acid rain with lower S / N ratio on gas exchange and membrane of three dominant species in subtropical forests
FENG Lili, YAO Fangfang, WANG Xihua, et al (1911)
…
…………………………………………………………………………
Molluscicidal efficacy of Nerium indicum cardiac glycosides on Pomacea canaliculata and its effects on rice seedling
DAI Lingpeng, LUO Weihua, WANG Wanxian (1918)
…………………
……………………………………………………………………………
Spatial gradients pattern of landscapes and their relations with environmental factors in Haihe River basin
ZHAO Zhixuan, ZHANG Biao, JIN Xin, et al (1925)
……………………………
……………………………………………………………………………
The assessment of forest ecosystem services evaluation for shrubbery鄄economic forest鄄bamboo forest in China
WANG Bing,WEI Jiangsheng,HU Wen (1936)
…………………………
……………………………………………………………………………………
Evaluation on service value of ecosystem of Peri鄄urban transition zone lake: a case study of Yandong Lake in Wuhan City
WANG Fengzhen,ZHOU Zhixiang,ZHENG Zhongming (1946)
…………
……………………………………………………………………
Explaining the abundance鄄distribution relationship of plant species with niche breadth and position in the Yellow River Delta
YUAN Xiu, MA Keming, WANG De (1955)
………
………………………………………………………………………………………
Forestland boundary dynamics based on an landscape accessibility analysis in Guangzhou, China
ZHU Yaojun,WANG Cheng,JIA Baoquan,et al (1962)
……………………………………
……………………………………………………………………………
Changes in invasion characteristics of Dendroctonus valens after introduction into China
PAN Jie, WANG Tao, WEN Junbao, et al (1970)
………………………………………………
…………………………………………………………………………………
Population genetic diversity in Tibet red deer (Cervus elaphus wallichi) revealed by mitochondrial Cty b gene analysis
LIU Yanhua,ZHANG Minghai (1976)
………………
………………………………………………………………………………………………
Multi鄄scales analysis on diversity of desert rodent communities under different disturbances
YUAN Shuai,WU Xiaodong,FU Heping,et al (1982)
……………………………………………
………………………………………………………………………………
Cave鄄site selection of Qinling zokors with their prevention and control LU Qingbin, ZHANG Yang, ZHOU Caiquan (1993)…………
The habitat characteristics of Eurasian badger in Beijing鄄Hangzhou Grand Canal embankment
YIN Baofa,LIU Yuqing,LIU Guoxing,et al (2002)
…………………………………………
…………………………………………………………………………………
Review and Monograph
Electron transfer mechanism of extracellular respiration: a review MA Chen, ZHOU Shungui, ZHUANG Li, et al (2008)…………
The biochemical mechanism and application of anammox in the wastewater treatment process
WANG Hui, LIU Yanping, TAO Ying, et al (2019)
…………………………………………
………………………………………………………………………………
Discussion
Evaluation of the forest ecosystem services in Haihe River Basin, China
BAI Yang, OUYANG Zhiyun, ZHENG Hua, et al (2029)
………………………………………………………………
…………………………………………………………………………
Scientific Note
Effects of body size and salinity on oxygen consumption rate and ammonia excretion rate of Mactra chinensis Philippi
ZHAO Wen,WANG Yaqian,WEI Jie,et al (2040)
………………
…………………………………………………………………………………
Study on microzooplankton grazing in shrimp pond among middle and late shrimp culture period
ZHANG Litong, SUN Yao, ZHAO Congming, et al (2046)
…………………………………
……………………………………………………………
2009 年度生物学科总被引频次和影响因子前 10 名期刊绎
(源于 2010 年版 CSTPCD数据库)
排序
Order
期刊 Journal
总被引频次
Total citation
排序
Order
期刊 Journal
影响因子
Impact factor
1 生态学报 11764
2 应用生态学报 9430
3 植物生态学报 4384
4 西北植物学报 4177
5 生态学杂志 4048
6 植物生理学通讯 3362
7
JOURNAL OF INTEGRATIVE
PLANT BIOLOGY
3327
8 MOLECULAR PLANT 1788
9 水生生物学报 1773
10 遗传学报 1667
1 生态学报 1. 812
2 植物生态学报 1. 771
3 应用生态学报 1. 733
4 生物多样性 1. 553
5 生态学杂志 1. 396
6 西北植物学报 0. 986
7 兽类学报 0. 894
8 CELL RESEARCH 0. 873
9 植物学报 0. 841
10 植物研究 0. 809
摇 绎《生态学报》 2009 年在核心版的 1964 种科技期刊排序中总被引频次 11764 次,全国排名第 1; 影响因
子 1郾 812,全国排名第 14;第 1 ~ 9 届连续 9 年入围中国百种杰出学术期刊; 中国精品科技期刊
摇 摇 编辑部主任: 孔红梅摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 执行编辑: 刘天星摇 段摇 靖
生摇 态摇 学摇 报
(SHENGTAI摇 XUEBAO)
(半月刊摇 1981 年 3 月创刊)
第 31 卷摇 第 7 期摇 (2011 年 4 月)
ACTA ECOLOGICA SINICA
摇
(Semimonthly,Started in 1981)
摇
Vol郾 31摇 No郾 7摇 2011
编摇 摇 辑摇 《生态学报》编辑部
地址:北京海淀区双清路 18 号
邮政编码:100085
电话:(010)62941099
www. ecologica. cn
shengtaixuebao@ rcees. ac. cn
主摇 摇 编摇 冯宗炜
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址:北京海淀区双清路 18 号
邮政编码:100085
出摇 摇 版摇
摇 摇 摇 摇 摇 地址:北京东黄城根北街 16 号
邮政编码:100717
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址:东黄城根北街 16 号
邮政编码:100717
电话:(010)64034563
E鄄mail:journal@ cspg. net
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址:北京 399 信箱
邮政编码:100044
广告经营
许 可 证摇 京海工商广字第 8013 号
Edited by摇 Editorial board of
ACTA ECOLOGICA SINICA
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Tel:(010)62941099
www. ecologica. cn
Shengtaixuebao@ rcees. ac. cn
Editor鄄in鄄chief摇 FENG Zong鄄Wei
Supervised by摇 China Association for Science and Technology
Sponsored by摇 Ecological Society of China
Research Center for Eco鄄environmental Sciences, CAS
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Published by摇 Science Press
Add:16 Donghuangchenggen North Street,
Beijing摇 100717,China
Printed by摇 Beijing Bei Lin Printing House,
Beijing 100083,China
Distributed by摇 Science Press
Add:16 Donghuangchenggen North
Street,Beijing 100717,China
Tel:(010)64034563
E鄄mail:journal@ cspg. net
Domestic 摇 摇 All Local Post Offices in China
Foreign 摇 摇 China International Book Trading
Corporation
Add:P. O. Box 399 Beijing 100044,China
摇 ISSN 1000鄄0933CN 11鄄2031 / Q 国内外公开发行 国内邮发代号 82鄄7 国外发行代号 M670 定价 70郾 00 元摇