疏勒河流域土地利用變化對凈初級生產力的影響

周妍妍, 鄭續, 魏樂民, 郭建軍, 岳東霞, *

疏勒河流域土地利用變化對凈初級生產力的影響

周妍妍1, 鄭續1, 魏樂民1, 郭建軍2, 岳東霞1, *

1. 蘭州大學, 資源環境學院, 蘭州 730000 2. 中國科學院西北生態環境資源研究院, 沙漠與沙漠化重點實驗室, 蘭州 730000

研究區域土地利用變化對植被凈初級生產力(NPP)的影響, 對厘清植被的生長狀況及其和土地利用變化的關系, 以及維持區域生態環境可持續發展具有重要意義。以中國西北干旱區疏勒河流域為例, 基于土地利用數據和CASA模型計算的2001—2015年植被NPP數據, 分析了疏勒河流域NPP的時空變化特征, 探討土地利用變化對植被NPP的影響。結果如下: 2001—2015年, 疏勒河流域NPP年總值整體上呈上升的趨勢。NPP增加的區域占總面積的84.29%,上游山區和中下游綠洲區增加的最顯著。NPP減少的區域占總面積的15.71%,主要分布于北部的肅北、敦煌的西部和南部及中下游綠洲的南北兩側。15年間土地利用的面積變化對NPP貢獻率空間差異顯著, 但總體上對NPP總量增加起到促進作用, 且耕地面積的變化對NPP總量的貢獻率最大。

疏勒河流域; 土地利用; 凈初級生產力; 時空變化

0 前言

土地利用和土地覆蓋變化(LUCC)是全球變化的主要驅動因素, 它對人類和環境產生了深遠的影響。人類在LUCC中的作用在過去幾十年中變得更加突出[1]。有關對LUCC的研究表明人為活動已造成了地球地表大約三分之一到一半的面積發生變化[2]。特別是在干旱地區, 人類活動導致的LUCC, 會對區域的生物多樣性、水質、土壤和碳循環以及生態系統支持人類需求的能力產生不利影響[3]。

植被凈初級生產力(Net Primary Productivity, NPP)被定義為陸地生態系統的植被在單位時間和空間積累的有機物質總量, 它是通過光合作用吸收的碳量與通過呼吸釋放的碳量之差計算出來的[4]。NPP可以反映植物群落在自然環境中的碳固存能力, 其數量的變化還能反映植被對土地利用變化的響應[5]。人類活動影響下的土地利用的變化會使生態系統變得脆弱[6], 增加溫室氣體排放[7]并減少碳儲存, 直接影響生態系統的NPP。因此人類活動對NPP的影響可以通過土地利用變化對研究區NPP變化的影響表示。Zhou等[8]研究結果表明, 城市化帶來的土地覆被變化造成NPP顯著變化。Hu等[9]研究表明廣州市人為活動引起的土地覆被劇烈變化, 例如天然林和農田轉換為城鄉建設用地, 導致整個凈初級生產力變化。2016年姜春等[10]研究指出以城市擴張為主導的土地覆蓋類型變化整體上降低了廣東省的 NPP, 造成植被固碳能力的下降。高志強等[11]研究表明在土地類型變動的區域LUCC對NPP變化的貢獻率約占97%。謝寶妮等[12]得出在黃土高原退耕區域, 2000—2010年間退耕還林還草生態工程導致的LUCC促進NPP顯著增加的結論。成方妍等[13]研究表明2000—2012年北京市各土地類型面積變動顯著影響區域NPP。然而, 在空間上展示土地利用變化對NPP的影響研究相對缺乏。

NPP的估算方法有很多, 現場觀測是測量NPP的最傳統方法, 主要包括直接收割、光合作用測定、PH測定和葉綠素測定等方法。遙感數據具有較高的時間和空間分辨率、實時性強和時間間隔短等優點, 因此是現今評估從區域到全球尺度植被NPP動態研究的主流方法。CASA模型(Carnegie-Ames-Stanford Approach)是利用光合有效輻射和考慮溫度和降水量影響的光的利用效率進行NPP計算[14]。由于該模型在長時間和空間尺度上有效且準確地估計NPP, 近幾十年中已被廣泛應用北美, 南美, 歐亞大陸, 澳大利亞和非洲等區域[15-17]。

近年來, 疏勒河流域由于人類不合理生產活動, 造成區域自然景觀割裂、土地荒漠化、濕地面積大量萎縮等問題, 景觀格局了發生顯著變化[18], 這些均能通過植被NPP體現出來。然而以往的研究多是探究NPP的時空變化格局, 對土地利用變化對NPP的影響仍不足。本文選取疏勒河流域為研究區, 基于CASA模型計算的NPP和遙感解譯的土地利用數據,定量化分析了土地利用對NPP變化的貢獻率。以期促進疏勒河流域土地資源的合理利用, 優化景觀格局, 改善脆弱的生態系統環境。

1 研究區概況

疏勒河是我國河西走廊地區第二大內陸河, 地處極度干旱的河西走廊西端, 介于93°22′—98°59′E, 38°1′—142°47′N之間, 流域面積約為1.25×105km2, 海拔高度主要在1000—3500 m之間。除流域源頭位于青海省德令哈市和天峻縣外, 流域絕大部分位于甘肅省酒泉市, 行政區劃上主要包括甘肅省的敦煌市、瓜州市、玉門市、肅北蒙古族自治縣和阿克塞哈薩克族自治縣及青海省的天峻縣和德令哈市。流域上游山區山高坡陡, 水流急促, 具有典型的大陸性永久性冰川, 同時也發育大面積多年凍土, 是整個流域的水源涵養區和產流區。中、下游地勢平坦, 綠洲與荒漠并存, 自然環境十分脆弱。降水由南向北逐級減少, 而溫度從中部平原向南北兩側逐漸降低[18]。

2 研究方法與數據處理

2.1 數據來源及處理

利用CASA模型計算流域NPP, 需要的基礎數據包括: 遙感數據、土地類型數據和氣象數據。其中NDVI遙感數據來自NASA EOS/MODIS的2001—2015年MOD13Q1數據集, 其是250 m分辨率的16 d合成產品, 使用最大值合成法(MVC)生成月最大NDVI數據; 采用MOD17A3(空間分辨率為1000 m的總初級生產力年數據)NPP數據產品, 本文僅利用該數據對CASA模型估算的NPP進行驗證。氣象數據: 蒸散發和潛在蒸散發數據選自GLADS(Global Land Data Assimulation System, 全球陸面數據同化系統)數據集, 空間分辨率為25 km; 月均溫、月降水和月太陽輻射數據來自中國科學院寒區旱區科學數據中心, 其空間分辨率為10 km; 數字高程數據(DEM)來自于中國地理空間數據云, 其空間分辨率是30 m。土地類型數據是根據2000、2005、2010和2015年疏勒河流域4期LandsatTM/ ETM+/OLI遙感數據, 利用ArcGIS10.3軟件解譯獲得。將所有數據轉換成相同的坐標系統, 重采樣為1 km分辨率。

圖1 研究區概況

Figure 1 Location of Shule River basin

2.2 研究方法

2.2.1 CASA模型

CASA模型使用NPP計算光合有效輻射并實現了光的利用效率[14]。其原理是通過太陽輻射量、NDVI、土地利用/覆被類型、氣候氣象數據等原始數據和最大光能轉化率等經驗數據, 來估算陸地的NPP, 該模型的計算方法詳見文獻[18]。

本文利用CASA模型計算2001—2015年逐月NPP的估算基礎上, 將月NPP合成年NPP, 并進行精度驗證。由于疏勒河流域NPP實測數據較少, 本文將疏勒河流域NPP與MOD17A3數據產品進行對比。

2.2.2 Mann-Kendall趨勢分析法

曼—肯德爾法又稱Mann-Kendall(MK)趨勢分析法,是由曼（H.B.Mann）和肯德爾（M.G.Kendall）提出了原理并發展了方法。在氣象學、生態學和水文學中, MK趨勢分析在長時間序列趨勢判定中被廣泛使用, MK檢驗也是比較常用的植被長時間序列趨勢變化顯著性分析的方法。據此,本研究利用MK趨勢分析方法對疏勒河流域近15年來的NPP長時間序列趨勢分析, 再進行顯著性檢驗,從而可以定量計算出NPP變化趨勢的顯著狀況。具體的計算方法見文獻[18]。

2.2.3 土地利用變化對NPP的影響

土地利用對區域NPP的影響可以通過計算土地利用面積的變化對NPP變化貢獻率()來計算[19]:

其中,1和1表示某個時段起初的NPP總量和土地利用總面積, 本文利用2000年的NPP由2001年

的來替代, 下文同樣; Δ×Δ分別為某一時段的NPP變化量和土地利用變化面積; Δ×1表示土地利用面積的變化對NPP總量的影響。

3 結果

3.1 CASA模型計算NPP的結果驗證

利用MOD17A3產品處理獲得疏勒河流域2001—2015年NPP的多年平均數據, 發現其結果與本研究模擬值之間的擬合效果較好, R2為0.75(P<0.01) (圖2), 說明CASA模型計算NPP在干旱區疏勒河流域適用, 可為之后的研究提供基礎數據。

3.2 疏勒河流域NPP計算結果

3.2.1 疏勒河流域2001—2015年NPP時空分布特征

在時間上, 2001—2015年, 疏勒河流域NPP年總值呈現出明顯波動上升的趨勢。2012年NPP值最大, 為63.12 gC·m-2·a-1, 2001年值最小, 為44.41 gC·m-2·a-1(圖3)。

圖2 本文模擬值與MOD17A3產品的比較

Figure 2 Comparison of the simulation with the MOD17A3 product

圖3 2001—2015 年疏勒河流域 NPP 變化趨勢

Figure 3 Trends of NPP in the Shule River Basin from 2001 to 2015

在空間上, 疏勒河流域每一個柵格2001—2015年NPP主要分布在0—50 gC·m-2·a-1之間, 全流域多年NPP約為54.94 gC·m-2·a-1(圖4)。流域上游地區NPP為本流域最大, 中游城鄉地區由于農業用地灌溉, 水資源較豐富, NPP也較大。中下游地區NPP整體小于上游地區, 尤其是荒漠戈壁地區NPP為最小, 接近于0 gC·m-2·a-1, 主要分布于敦煌的西部, 瓜州的北部和北部的肅北等地區。

3.2.2 2001—2015年植被NPP的時空變化特征分析

本文在Matlab軟件平臺下,采用MK方法對疏勒河流域2001—2015年NPP變化趨勢進行分析。為確保變化趨勢具有統計意義,統計每個柵格95%置信度水平下顯著性。疏勒河流域NPP的MK空間趨勢如圖5所示,流域中呈增加趨勢的面積大于呈減小趨勢的面積。NPP增加的區域占全流域總面積的84.29%, 其中主要位于綠洲區及南部的肅北縣和天峻縣的大部分區域、阿克塞縣的東部和南部。NPP減少的區域占總面積的15.71%, 主要分布于北部的肅北、敦煌的西部和南部及中下游綠洲的南北兩側。然而,諸如過度放牧、地下水超采、水資源利用過渡等人類活動的加劇是導致流域植被退化的主導因素[20]。此外,由于該區域蒸發量大、降水量年際變化大, 土地用途也不斷增加, 這也對植被退化有著巨大的潛在影響[21]。

注: 中國科學院寒區旱區科學數據中心的氣象數據在流域的最北部有缺失, 所以NPP結果在流域最北部有缺失, 下同。

Figure 4 Spatial distribution of mean annual NPP of Shule River basin in 2001-2015

3.3 疏勒河流域土地利用變化對NPP變化的影響

3.3.1 土地利用的變化分析

基于ArcGIS空間分析功能計算出2000—2015年土地利用的轉移矩陣, 研究16年間土地利用及NPP的變化情況。

2000—2015年耕地、草地、水域和城鄉居民建設用地擴大, 其中耕地與城鄉居民建設用地增加的幅度最大, 增幅分別為34.10%和35.01%（表1）。林地和未利用地面積都呈現減少態勢, 減幅分別為1.26%和0.56%。居民點、水庫和耕地等人為干擾景觀的增多對流域土地利用影響將逐漸增強。耕地在2000—2015年間, 主要向草地和城鄉居民用地轉化, 轉移面積分別為15.01 km2和12.36 km2, 轉移概率分別為1.21%和1.0%。耕地NPP 的變化率最大, 為0.29%; 林地和草地主要表現向耕地轉移, 轉化面積分別為18.92 km2和165.75 km2, 轉移率分別為2.99%和0.62%, NPP 的變化率也較大, 分別為0.22%和0.21%; 城鄉居民建設用地最小但變化最大, 主要轉出到耕地, 轉移概率為4.1%,NPP年際變化率為0.13%;未利用地面積呈逐年減少的趨勢, 主要轉向耕地和草地, NPP年際變化率最小, 為0.13%。由于21世紀以來, 疏勒河流域大力實施“三北防護林”、“防沙治沙”、“平原綠化”等生態環境工程, 人工林面積增大, 遏制了生態的退化[22]。

圖5 疏勒河流域NPP的MK趨勢分析

Figure 5 MK trend analysis of NPP in the Shule River Basin

表1 2000—2015年疏勒河流域土地利用轉移矩陣及相應的NPP變化 單位: km2

3.3.2 土地利用變化對NPP變化的影響分析

從時間上來看(圖6), 2000—2005年, 土地利用變化促進NPP的增加, 面積變化使NPP增加1.156 TgC, 貢獻率為2.49%; 2005—2010年, 土地利用變化促進NPP增長0.229 TgC, 貢獻率為7.18%, 為各時間段最大; 2010—2015年間, 土地利用的變化導致NPP減少6.889 TgC, 貢獻率為0.29%; 2000-2015年, 土地利用整體變化對NPP起到促進作用, NPP增加2.106 TgC, 貢獻率為2.37%。

圖6 不同土地利用面積變化對NPP變化的貢獻率

Figure 6 Contribution rate of different land use area changes to NPP changes

2000—2015年間土地利用面積的變化對NPP變化的貢獻率空間分布差異較為明顯(圖7)。呈條帶狀分布于中下游的綠洲區, 其值相對較高。這是由于人類活動如構建了形狀復雜的人工林, 建筑用地和交通用地的增加, 直接影響了NPP的變化。低值的區域主要位于馬鬃山及山前沖積扇的荒漠戈壁區域, 接近于0。上游祁連山區及瓜州和肅北縣交界線兩側區域土地利用面積變化對NPP的貢獻也較明顯。

4 討論

各土地利用的面積變化直接影響NPP增減, 但不同土地利用變化的影響因素各異, 導致NPP變化存在差異。由圖6可知, 雖然耕地僅占流域總面積的1%, 但耕地對NPP的貢獻率最大, 其中, 2005—2010年貢獻率最大, 占NPP變化總量的41.18%。徐佩[23]研究也同樣表明, 農田始終貢獻了上海市凈初級生產力總量的大部分。這可能與研究區耕地面積持續增加及農作物的品種變化及產量提高有關。林地面積的變化對NPP的貢獻率呈現先增加后減小的趨勢, 2005—2010年達到最大, 貢獻率是16.61%。這是由于退耕還林還草以來, 新種植的小樹苗多為幼林, 生命力旺盛, NPP產出較高。然而近些年來長時間聚集生長森林多為低產的中齡林進而引起NPP產量呈現下降趨勢[24-25]。由表1可知, 林地面積有所減小, 但考慮到林地面積變化對NPP的貢獻, 當前林地面積的減少趨勢不容樂觀。草地面積15年間變化最小, 其變化量對NPP的貢獻率較大。近些年來, 流域人口的增加和城鎮化的發展, 城鄉居民建設用地面積增加, 尤其是2010—2015年最為明顯, 導致該時間段土地利用面積變化對NPP總量貢獻率高達19.13%。這與姜春[10]研究結果相似, 以城市擴張為主導的廣東省土地覆蓋類型變化整體上造成NPP的總量變化, 主要來自林地和耕地向低生產力土地覆蓋類型的轉換, 尤其是被城市用地占用。2000—2015年, 流域的未利用地面積持續減少, 促進NPP持續增加。其中2005—2010年貢獻率為最大8.76%, 未利用地大面積轉換為耕地和草地, NPP總量增加。然而這與高志強[11]研究有所不同, 中國北方大量的其他土地利用類型被開墾為耕地, 進而被占用成為建設用地, 導致草地、林地、未利用土地及水域等天然土地利用類型減少, 影響了區域土地凈生產力的積累, 使本研究區域1981-2000年因為土地利用的變化導致NPP減少。從2000年開始, 我國在西部環境惡劣區域實施退耕還林還草工程, 大量的耕地轉換為了林地和草地, 改善了生態環境。因此在不同時間段, 土地利用變化對NPP的影響會有所差異。鑒于各土地利用的類型和面積變化對疏勒河流域 NPP 具有明顯的影響, 應合理調整各用地類型的結構, 以通過區域的規劃建設來實現NPP的增長。

圖 7 2000—2015年土地利用面積的變化對NPP變化的貢獻率分布圖

Figure 7 Spatial distribution of contribution rate of land use change to NPP change from 2000 to 2015

5 結論

本文基于CASA模型計算2001—2015年植被的NPP, 并進行驗證, 分析空間分布規律。然后, 研究流域長時間尺度的植被NPP時空變化特征。最后, 通過計算土地利用面積的變化對NPP總量變化的貢獻率來分析土地利用的變化對NPP影響。結論如下:

2001—2015年,疏勒河流域NPP年總值呈現出明顯波動上升的趨勢。NPP空間分布呈現南高北低, 區域性分布特征明顯,即上游的祁連山區和中下游的綠洲區NPP較高,其余荒漠戈壁區NPP較低。NPP增加的區域占全流域總面積的84.29%, 其中主要位于綠洲區及南部的肅北縣和天峻縣的大部分區域、阿克塞縣的東部和南部。NPP減少的區域占總面積的15.71%, 主要分布于北部的肅北、敦煌的西部和南部及中下游綠洲的南北兩側。15年間土地利用的面積變化對NPP貢獻率空間差異顯著,但總體上對NPP總量增加起到促進作用, 且耕地面積的變化對NPP總量的貢獻率最大。因此, 研究土地利用變化對陸地生態系統NPP的影響將提高碳預算的可靠性, 同時加深對氣候變化,人類活動和生態系統之間相互作用的理解。

[1] WIJITKOSUM, S. The impact of land use and spatial changes on desertification risk in degraded areas in Thailand[J]. Sustainable Environment Research, 2016, 26(2), 84–92.

[2] VITOUSEK P, MOONEY H, LUBCHENCO J, et al. Human domination of Earth ecosystems[J]. Science, 1997, 277(5325): 494–499.

[3] VADREVU K, JUSTICE C, PRASAD T, et al. Land cover/land use change and impacts on environment in South Asia[J]. Journal of Environmental Management, 2015, 148: 1–3.

[4] WANG Hong, LI Xiaobing, LONG Huiling, et al. Monitoring the effects of land use and cover changes on net primary production: A case study in China's Yongding River basin[J]. Forest Ecology and Management, 2009, 258(12): 2654–2665.

[5] PENG Dailiang, HUANG Jingfeng, HUETE A, et al. Spatial and seasonal characterization of net primary productivity and climate variables in southeastern China using MODIS data[J]. Journal of Zhejiang University Science B, 2010, 11(4): 275–285.

[6] XIAO Tong, WANG Junbang, CHEN Zhuoqi. Vulnerability of grassland ecosystems in the Sanjiangyuan region based on NPP[J]. Resources Science, 2010, 32(2): 323–330.

[7] ZAEHLE S, BONDEAU A, CARTER T R, et al. Projected changes in terrestrial carbon storage in Europe under climate and land-use change, 1990–2100[J]. Ecosystems, 2007, 10(3): 380–401.

[8] ZHOU Yanlin, XING Bailing, JU Weimin. Assessing the Impact of Urban Sprawl on Net Primary Productivity of Terrestrial Ecosystems Using a Process-Based Model—A Case Study in Nanjing, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2017, 8(5): 2318–2331.

[9] HU Yonghong, JIA Gensuo, GUO Huadong. Linking primary production, climate and land use along an urban–wildland transect: a satellite view[J]. Environmental Research Letters, 2009, 4(4): 044009.

[10] 姜春, 吳志峰, 程炯, 錢樂祥. 廣東省土地覆蓋變化對植被凈初級生產力的影響分析[J]. 自然資源學報2016, (6): 961–972.

[11] 高志強, 劉紀遠, 曹明奎, 等.土地利用和氣候變化對區域凈初級生產力影響[J]. 地理學報, 2004, 59(4): 581– 591.

[12] 謝寶妮, 秦占飛, 王洋, 等. 黃土高原植被凈初級生產力時空變化及其影響因素[J]. 農業工程學報, 2014, 30(11): 244–253．

[13] 成方妍, 劉世梁, 張月秋, 等. 基于MODIS序列的北京市土地利用變化對凈初級生產力的影響[J]．生態學報, 2017, 37(18): 5924–5934.

[14] POTTER C, KLOOSTER S, MYNENI R, et al. Continental-scale comparisons of terrestrial carbon sinks estimated from satellite data and ecosystem modeling 1982–1998[J]. Global and Planetary Change, 2003, 39(3-4): 201–213.

[15] HICKE J, ASNER G, RANDERSON J, et al. Trends in North American net primary productivity derived from satellite observations, 1982-1998[J]. Global Biogeo-chemical Cycles, 2002, 16(2): 2-1-2-14.

[16] PIAO S L, FANG J Y, CIAIS P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458 (7241): 1009–1013.

[17] TANG Chuanjiang, FU Xinyu, JIANG Dong, et al. Simulating spatiotemporal dynamics of sichuan grassland net primary productivity using the CASA model and in situ observations[J]. The Scientific World Journal, 2014, 2014: 956–963.

[18] 周妍妍. 人類活動對疏勒河流域景觀格局和凈初級生產力的影響研究[D]. 蘭州: 蘭州大學, 2019.

[19] FU Yingchun, LU Xueyu, ZHAO Yaolong, 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.

[20] ZHANG Xiaoyou, WANG Xunming, YAN Ping. Re-evaluating the impacts of human activity and environmental change on desertification in the Minqin Oasis, China[J]. Environmental Geology, 2008, 55(4):705.

[21] 潘竟虎, 黃克軍, 李真．2001～2010年疏勒河流域植被凈初級生產力時空變化及其與氣候因子的關系[J]．生態學報, 2017, 37(6):1888-1899．

[22] 潘竟虎, 胡艷興. 疏勒河中下游近35年土地利用與景觀格局動態[J]. 土壤, 2014, 46(4): 742–748．

[23] 徐佩. 上海市土地利用/土地覆蓋變化對城市植被凈初級生產力的影響[D]. 上海: 華東師范大學, 2015.

[24] 王光華.北京森林植被固碳能力研究[D]. 北京: 北京林業大學, 2012.

[25] LUYSSAERT S, SCHULZE E D, B?RNER A, et al. Old-growth forests as global carbon sinks[J]. Nature, 2008, 455(7210): 213–215.

Effects of land-use change on net primary productivity in the Shule River Basin

ZHOU Yanyan1, ZHENG Xu1, WEI Lemin1, GUO Jianjun2, YUE Dongxia1,*

1. College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China 2. Key Laboratory of Desert and Desertification, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

Researching the impact of land use change on net primary productivity (NPP) in the study area is of great significance for clarifying vegetation growth status, the relationship between NPP and land use changes and maintaining the sustainable development of regional ecological environment. Taking the Shule River Basin in the arid region of Northwest China as an example, we analyzed the spatiotemporal distribution of NPP, and the impact of landuse changes based on NPP of vegetation by the CASA model and land use maps from 2001 to 2015. The results showed the total annual NPP of the Shule River Basin showed an overall upward trend from 2001 to 2015. The area with increased NPP accounted for 84.29% of the total area, and the increase in the upper mountainous area and the middle and lower oasis areas was the most significant. The area with reduced NPP accounted for 15.71% of the total area, mainly distributed in the north of Subei, the west and south of Dunhuang, and the north and south sides of the middle and lower oasis.There was a significant spatial difference in the contribution rate of land use change to NPP. In general, the change of land use promoted the increase of the total amount of NPP, and the change of cultivated land area had the largest contribution rate to the total amount of NPP.

Shule River Basin; land use; net primary productivity; spatiotemporal variation

10.14108/j.cnki.1008-8873.2021.05.013

K903

A

1008-8873(2021)05-102-07

2020-03-19;

2020-03-30基金項目:國家自然科學基金項目(41671516, 41701623); 國家重點研發計劃項目(2017YFC1501005); 國家地質調查局(DD20189270)

周妍妍(1992—), 女, 河北邯鄲人, 博士, 主要從事生態安全評價研究, E-mail: yyzhou16@lzu.edu.cn

通信作者:岳東霞, 女, 博士, 教授, 主要從事生態安全評價研究, E-mail: dxyue@lzu.edu.cn

周妍妍, 鄭續, 魏樂民, 等. 疏勒河流域土地利用變化對凈初級生產力的影響[J]. 生態科學, 2021, 40(5): 102–108.

ZHOU Yanyan, ZHENG Xu, WEI Lemin, et al. Effects of land-use change on net primary productivity in the Shule River Basin[J]. Ecological Science, 2021, 40(5): 102–108.