过去几十年的快速气候变暖和降水格局改变可能对草地碳循环过程产生重要影响,但是否会引起生态系统碳库损失尚缺乏长期实验证据.生态系统碳循环过程考虑不完善、参数不明,也限制了草地碳动态评估的准确性.对此,本研究基于高寒草甸、典型草原和草甸草原三种草地类型的长期定位观测和短期控制实验,通过精细计量、数据挖掘与模型模拟,构建了草地生态系统碳循环模式图,明确了主要碳循环过程及参数,并模拟评估了全球变化背景下草地生态系统的碳汇特征及其驱动机制.结果显示,三种草地生态系统碳库总体呈高寒草甸>草甸草原>典型草原,总初级生产力和生态系统呼吸通量均呈草甸草原(1064和964 g C m^(-2)yr^(-1))>高寒草甸(849和805 g C m^(-2)yr^(-1))>典型草原(673和582 g C m^(-2)yr^(-1)),而土壤有机碳分解速率呈草甸草原(0.049 yr^(-1))>典型草原(0.040 yr^(-1))>高寒草甸(0.020 yr^(-1)).1980~2015年间,三个长期定位观测样地均呈弱碳汇,改善放牧管理是草地长期增汇的主要原因.其中,长期冬季中度放牧的高寒草甸得益于生产力的提高,长期全年禁牧的典型草原得益于放牧移除量降低,而短期全年禁牧的草甸草原则是二者共同的贡献.以温暖化为主的气候变化提高了生态系统碳通量,但并未显著改变生态系统净碳收支.本研究为今后评估区域碳收支、过程模型参数化及草地碳库管理等提供参考.
耕地是农业生产和保障粮食安全问题重要的物质基础,耕地的准确识别对耕地资源的保护和农业生产可持续发展有着重要意义。为了构建高精度的耕地识别模型,本研究基于空间云计算平台使用Sentinel-1/2数据,构建不同特征类型组合,通过特征重要性分析对耕地识别特征进行筛选,形成最优特征集合,使用随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和分类回归树(classification and regression tree,CART)模型对甘肃省张掖市2021年度的耕地进行识别,同时对比分析了各分类器的分类精度。结果表明,使用植被指数特征、雷达特征和地形特征的特征类型组合能够把分类精度提升到91.32%;在研究区耕地识别中表现较好的特征有海拔(elevation)、雷达VH极化通道及归一化水指数(normalized difference water index,NDWI)等;在张掖市耕地识别中,RF算法优势明显,总精度达90.04%,Kappa系数为0.79,基于RF模型得到的张掖市耕地面积为58.5万hm^(2),面积占比为15.4%。本研究实现了张掖市耕地的精确识别,可为该地区耕地制图提供参考。
暂无评论