基于多源数据与时间序列模型的中国地区植被总初级生产力变化趋势归因分析及预测
ID:561 View Protection:PRIVATE Updated Time:2023-04-08 15:10:51 Hits:1250 Poster Presentation

Start Time:2023-05-06 08:04(Asia/Shanghai)

Duration:1min

Session:SP 张贴报告专场 » SP-7-17、遥感与地理信息科学

No files

Abstract
       植被总初级生产力(GPP),即植物光合作用期间固定的有机碳总和,是陆地生态系统碳通量中最大的组成部分和陆地生态过程的关键参数,在全球碳循环研究中具有极其重要的作用。由于GPP对陆地植被的深刻影响,准确把握GPP的历史变化趋势与未来发展格局,对于评价陆地生态系统的稳定程度,深入理解陆地生态系统和大气环境间的交互模式至关重要。
由于现有的GPP产品之间存在较大差异,本研究综合多套产品探讨了1982-2015年间中国9个流域GPP的变化趋势以及其对气候变化与人类活动的响应。我们进一步基于ARIMA时间序列模型对2016年的月均GPP分布格局进行了短期预测。结果表明,在过去的近三十年间,中国地区的GPP变化呈现了明显的整体上升趋势,最显著的上升趋势出现在黄河流域与淮河流域。各个季节间的GPP变化情况不尽相同,即以夏季的变化最为明显,冬季则相反。不同GPP产品给出的变化趋势在空间上存在一定的差异,但在整体变化格局上基本保持一致。在不同流域上,GPP对各个影响因子的响应程度各有不同。在全国尺度上,空气温度对GPP的影响最为突出,而二氧化碳浓度,降雨量,短波下行辐射,叶面积指数及气溶胶厚度这些因素则在不同区域间展现了不同的影响程度。
       在短期预测方面,使用ARIMA模型对多套产品进行预测的结果展现了该模型良好的性能,但其准确性会受到数据可用质量的影响。由于ARIMA模型能够捕捉时间序列中固有的趋势和周期性以及其此前在大气,水文等领域所取得的良好效果,可以推断该模型在推广到具有季节性特征的其他生物物理参数时将会有很大的潜力。
       我们的研究成果可以提供一个有效的用于表征长期GPP动态和短期预测的框架,从而促进陆地生态系统环境质量的评估,为中国的生态建设和相关决策提供支持。
 
Keywords
遥感,时间序列模型,总初级生产力,陆地生态系统
Speaker
薄勇
中国科学院空天信息创新研究院

Submission Author
薄勇 中国地质大学(武汉)
王树东 中国科学院空天信息创新研究院
刘凯 中国科学院空天信息创新研究院
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    May 05

    2023

    to

    May 08

    2023

  • Mar 31 2023

    Draft paper submission deadline

  • May 25 2023

    Registration deadline

Sponsored By
青年地学论坛理事会
中国科学院青年创新促进会地学分会
Organized By
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学(武汉)
Contact Information
Previous Conferences