共查询到19条相似文献，搜索用时 265 毫秒
1.
土壤盐渍化是威胁干旱区土地的重要环境问题。利用遥感技术对土壤盐渍化进行动态监测,分析土壤盐度水平与空间分布,有利于掌握土壤盐渍化现状,为土地资源可持续利用提供理论依据。现有研究多在田间尺度,随着土壤环境问题涉及的范围越来越大,区域斑块信息的提取已无法满足宏观地模拟和展示整体土壤环境的空间分布。以阿拉善地区为例,结合遥感光谱指数与实测土壤盐分数据,运用偏最小二乘回归（PLSR）方法,构建区域尺度范围的土壤盐渍化反演模型,实现大面积地区土壤盐度的精准模拟和定量监测。结果表明,构建的模型验证精度达到0.8788,达到极显著水平,预测结果与实际情况相符,可以较准确地模拟研究区土壤盐渍化状况。受地形、气候、景观类型、农业活动以及土地管理等因素的综合影响,阿拉善地区约20%的区域土壤呈现出不同程度的盐渍化,其中黑河下游河岸带、雅布赖山西侧及贺兰山西侧冲积扇土壤盐渍化程度最为严重。本研究可为大面积区域土壤盐分状况的快速监测及遥感定量反演提供可行的方法,同时为该区域不同程度盐渍化土壤的治理和土地利用管理提供依据。 相似文献
2.
塔里木河中游典型绿洲盐渍化土壤的反射光谱特征 总被引：2，自引：0，他引：2
研究盐渍化土壤的光谱特性是利用遥感技术实现在区域尺度上进行土壤盐渍化监测和评价的工作基础, 是建立地面数据和遥感数据关系的桥梁。本文以塔里木河中游典型绿洲--渭干河-库车河三角洲绿洲为研究对象, 采用光谱学技术以及多元统计相结合的方法, 研究干旱区典型绿洲盐渍化土壤的反射光谱特征。首先, 对光谱数据进行预处理(去噪、剔除水分吸收波段), 以便消除仪器本身噪声及外界条件的影响, 并且计算了部分盐渍地样本的光谱吸收特征参数, 说明相同程度的盐渍化土壤具有相似的吸收特征;其次, 研究盐渍化土壤的反射光谱与盐分因子(八大离子、电导率(EC)、含盐量(salt content)、pH、总溶解固体(TDS)等) 之间的关系, 并选择具有代表性的盐分因子与野外实测光谱数据建立定量回归模型, 通过多元线性回归分析得出含盐量、SO42-、TDS、EC与原始光谱数据的相关性分别是0.746、0.908、0.798 和0.933, 达到了理想的效果。本研究对于干旱区典型绿洲盐渍土的光谱特征研究有着重要指示意义, 为发展和完善中国盐渍土理化特征的可见光-近红外反射光谱分析理论奠定科学积累, 并进一步为干旱区土壤盐渍化、沙漠化灾害等环境恶化问题的解决提供新的科学技术手段。 相似文献
3.
基于高光谱的民勤土壤盐分定量分析 总被引：2，自引：0，他引：2
土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除（cn）预处理,然后分别建立了土壤盐分含量的高光谱指数模型（NDSI）、偏最小二乘回归模型（PLS）、间隔偏最小二乘法模型（iPLS）和反向间隔偏最小二乘法模型（BiPLS）,考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R2和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。 相似文献
4.
基于地表光谱建模的区域土壤盐渍化遥感监测研究 总被引：2，自引：0，他引：2
《干旱区地理》2016,(1)
土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。 相似文献
5.
基于表观电导率与实测光谱的干旱区湿地土壤盐分监测 总被引：2，自引：0，他引：2
以新疆艾比湖滨盐渍化土壤为对象,利用磁感应电导仪和光谱仪测得的盐渍土表观电导率和可见光/近红外光谱数据,选取与EM38解译的土壤盐分相关性最好的光谱变换形式和特征波长,分别建立多元逐步回归、偏最小二乘回归和支持向量回归的土壤盐分监测模型。结果表明：（1）表观电导率两种模式相结合建立的盐分含量解译模型的拟合优度达到0.91,即在该区域内电磁感应技术可用于土壤盐分含量的间接监测。（2）一阶微分处理优于二阶微分,经一阶微分变换后的光谱可以较好地预测土壤盐分含量。（3）3种建模方法中,支持向量回归的建模精度最高,偏最小二乘回归和多元逐步回归次之。干旱区湖滨湿地土壤盐分含量的估测模型宜选取基于平滑后的原始一阶微分光谱数据建立的支持向量回归模型。 相似文献
6.
为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R2为0.705;验证集R2为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。 相似文献
7.
快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R2)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R2为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。 相似文献
8.
基于电磁感应技术的塔里木盆地北缘绿洲土壤盐分空间变异特性 总被引：2，自引：0，他引：2
土壤盐渍化是影响绿洲农业生产、抑制作物生长的主要生态环境问题。当前,将电磁感应技术与地面实测技术相结合是监测土壤盐渍化分布及其变化的先进方法。本文以新疆渭干河-库车河三角洲绿洲为研究区,以电磁感应仪在水平模式下（EMH）和垂直模式下（EMV）所获取的土壤表观电导率数据以及野外实测数据为基础,通过建立EMV和EMH与土壤盐分含量及组成元素的多元线性回归模型,采用泛克里格法（Universal Kriging）对研究区两个关键季节（干季、湿季）的土壤盐分含量及组成的空间变异特征进行了分析。结果表明：研究区干季和湿季表层盐渍土含盐量均与EMV和EMH具有良好的相关性,以EMV+EMH为自变量建立的土壤盐分解译模型的精度较高,且通过0.01水平检验;研究区干、湿两季的表层土壤含盐量数据符合P-P正态分布,空间分布均呈现强相关性;采用能够充分考虑到干旱区表层土壤盐分空间变异的球状套合模型,能够更好地拟合土壤表层含盐量的空间结构;研究采用泛克里格法将解译出的土壤盐分及其主要组成离子（Na+、Cl-）含量进行空间插值分析,其变化趋势与土壤含盐量的变化趋势基本一致,因而采用电磁感应技术可以有效地监测不同季节干旱区绿洲土壤盐分及其组成的空间变化。 相似文献
9.
在黑河流域干旱土纲中采集5个典型土壤剖面以研究该地区干旱土壤的演化。同时，为了了解土壤养分含量、土壤干旱化和土壤盐化的变化趋势，测定了高台县西北盐池地区主要盐土类型各剖面中的盐分含量和流域内主要土类中水分含量的分布。结果表明，干旱区内陆河流域土壤的退化主要表现为干旱化、盐渍化和土壤肥力的退化。在流域内干旱化随流域上中下游降水量和干燥度的变化而变化，土壤随距河流的距离及地下水位的高低而变化。流域内土壤从潜育土向雏形十、干旱雏形土和干旱土的方向变化。盐渍化与土壤水分含量和地下水位有关，并与水分的蒸发有密切的关系。在一定范围内，距水源越远，盐分含量一般越高。土壤肥力的退化表现为土壤有机质含量降低，阳离子代换量降低等理化性质的退化，这一退化过程是其它过程的综合反映。质地的退化虽受风沙化的影响，但与土壤的形成母质有一定的关系。 相似文献
10.
土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R2达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。 相似文献
11.
土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI),采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型,并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下,3种卫星具有相似的光谱趋势,均在红、近红外波段附近反射率较高;TDSI与土壤EC相关性基本均在0.4以上,最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息;GBRT对于土壤EC估算能力表现突出,3种卫星对土壤EC的最佳预测精度R2分别为0.831、0.847、0.903,在加入TDSI后,R2分别提高至0.835、0.857、0.935,综合分析发现,Sentinel
3对土壤EC估算效果最佳 (R2=0.935,均方根误差RMSE=2.986 mS·cm-1,赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息,采用GBRT验证了不同卫星对土壤R2的估算效果,二者相结合可以有效提升模型预测精度,为干旱区土壤盐渍化定量监测与防控提供有利指导。 相似文献
12.
土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.8066、R2（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.6999、R2（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R2=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R2=0.8987,基于验证影像构建的EC值预测模型R2=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。 相似文献
13.
叶面积指数（LAI）是生态系统物质和能量循环过程的重要结构参数。研究植被LAI对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用LAI-2000植物冠层分析仪观测焉耆盆地植被LAI,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、NBR2、MSAVI和EVI等植被指数数据建立了LAI的反演模型,探求焉耆盆地LAI的空间分布特征及规律。结果表明：（1）各植被指数与观测的LAI均有明显的相关性。其中,SAVI与LAI的对数函数模型更好地模拟出研究区的LAI（R2=0.84）;通过LAI-SAVI模型反演研究区LAI的空间分布,估算精度可达89%（R2=0.82,RMSE=0.23）;（2）博斯腾湖小湖湿地、博斯腾湖大湖西北端的黄水沟入湖沼泽区以及焉耆盆地北部冲洪积扇平原绿洲区的LAI值较高,达3.85;焉耆盆地山区和平原区之间的过渡带和博斯腾湖南部的沙漠区LAI较低;（3）焉耆盆地LAI以博斯腾湖为中心环状分布,LAI随着研究区域与湖、河流距离的增加而逐渐降低的趋势。 相似文献
14.
及时准确掌握区域土壤盐渍化信息对盐渍土治理和土地利用可持续发展有着重要意义。以阿拉尔垦区Landsat 7 ETM+/8 OLI影像为数据源,采用盐分指数（Salinity index,SI）和归一化植被指数（Normalized difference vegetation index,NDVI）构建遥感盐分监测指数（Salinization detection index,SDI）模型,对阿拉尔垦区土壤盐渍化进行反演,分析近10 a垦区土壤盐渍化空间分布特征。结果表明：SDI模型与土壤实测电导率拟合度R2=0.7579,该模型可反演阿拉尔垦区土壤盐量;2011—2021年非盐渍土和轻度盐渍土面积分别增加318.22 km2和0.80 km2,中度、重度土壤盐渍化面积减少229.87 km2,盐土面积增加68.61 km2;阿拉尔垦区北部和南部地区的土壤盐渍化程度得到明显转好,中部和东部地区土壤盐渍化程度加重,垦区土壤盐渍化总体得到较好改善。SDI模型能较好反演阿拉尔垦区土壤盐渍化时空特征,可为阿拉尔垦区经济与社会发展提供一定的参考依据。 相似文献
15.
土壤盐分的动态分析与监测,是实现盐渍化土地科学管理与利用的必要前提。运用GIS技术,结合地统计学方法,分析了渭干河绿洲土壤盐渍化的分布格局,探讨了不同土地利用类型下土壤盐分的变化规律。结果表明：土壤盐分离子含量随土层深度增加而减少,CO2-3和HCO3-变化不明显,整个剖面表现为：Na++K+>Ca2+>Mg2+,SO2-4>Cl->HCO3->CO2-3,具有中-强变异性,除了HCO3-、CO2-3和Ca2+外,其他盐分离子变异系数随深度增加而减小。不同土地利用类型的土壤含盐量具有显著差异垂向分布,耕地、荒地和草地、林地分别呈现为平均型、表聚型和底聚型盐分剖面,且各类型表层土壤（0～40 cm）含盐量依次为荒地（38.42 g·kg-1）>草地（16.30 g·kg-1） > 耕地（5.37 g·kg-1） > 林地（4.62 g·kg-1）。渭干河绿洲土壤属于重盐土类型,自然因素（蒸降比和地下水波动等）是土壤盐渍化的形成条件,而人为干扰（土地利用方式、灌排、施肥等）则促进了土壤盐渍化的发展。 相似文献
16.
基于无人机遥感的高寒草原沙化模型及等级划分 总被引：1，自引：0，他引：1
高寒草原是青藏高原草地生态系统的主要组成,在防风固沙、野生动物保育等方面具有重要作用。近年来,在全球气候变化和人为干扰加剧的背景下,高寒草原沙化加剧,基于时空尺度监测范围及程度是防治高寒草地沙化的前提。以青海三江源区玛多县的高寒草原为研究区,结合大疆“精灵3”和“经纬M100”旋翼无人机和地面调查,探讨基于无人机遥测的植被指数在草地沙化调查方面的适宜性,以此为基础制定了高寒草原沙化模型及等级划分标准。结果显示：（1）通过对VDVI（Visible-Band Difference Vegetation Index）、ENDVI（Enhanced Normalized Difference Vegetation Index）和NGRDI（Normalized Green-Red Difference Index）指数与草地沙化指数GDI（Grassland Desertification Index）的相关分析,选取出高寒草地沙化研究最优植被指数为VDVI（R=0.9055）;（2）GDI与VDVI的关系模型为VDVI=0.3024GDI2-0.0335GDI+0.0119（R2=0.9326）。模型相对误差为1.779%（RMSE=0.165,R2=0.7447）,拟合精度较高;（3）基于无人机遥感植被指数的聚类分析,将研究区高寒草原沙化划分为5个等级,即无明显沙化（VDVI>0.2247）、轻度沙化（0.1493 < VDVI < 0.2246）、中度沙化（0.0924 < VDVI < 0.1492）、重度沙化（0.0692 < VDVI < 0.0923）和极度沙化（VDVI<0.0692）。 相似文献
17.
土壤水分胁迫是干旱区绿洲生态环境和可持续发展面临的主要问题,开展区域尺度下大面积、高精度的土壤水分监测,有利于该地区旱情预报、作物估产、气象水文等领域研究。以Ts-NDVI特征空间为理论基础,以新疆渭干河-库车河三角洲绿洲为研究靶区,选择典型干湿季节下Landsat 8遥感影像,在传统温度-植被干旱指数（TVDI）算法基础上,考虑大尺度研究区下垫面异质性（植被覆被、地形起伏）对辐射能量平衡的影响,分别采用植被水分指数（VWIs）、加入大气温度（Ta）和DEM校正后的地表温度（Ts）与NDVI相结合,构建了植被干旱指数（VDI）和改进型温度-植被干旱指数（iTVDI）,并结合同期实测土壤水分数据对3种算法进行比较。结果表明：3种算法在一定程度上均能比较客观反映旱情特征,与表层土壤含水量呈现不同程度的负相关,其中,iTVDI相关性最好,TVDI次之,VDI相关性最低;相较植被生长初期而言,3种算法均在植被生长成熟期具有更好的水分监测能力。 相似文献
18.
土壤呼吸不仅是反映土壤生物活性的重要指标,也是全球碳循环研究中备受关注的热点问题。在地处典型干旱区的石羊河下游,以流动沙丘和去除土壤结皮人工梭梭林为对照,采用LI-8100土壤碳通量监测系统研究了栽植约40 a、30 a、10 a和5 a的人工梭梭林生长季和非生长季的土壤呼吸日变化,并分析了土壤水分和温度对土壤呼吸的影响。结果表明：（1）不同林龄梭梭林生长季和非生长季土壤呼吸速率的日变化均为明显的单峰曲线,且呈现出一定的波动性,日最大排放速率出现在12:00～14:00时,最小值出现在8:00时左右。（2）梭梭林营造和去结皮处理显著提高了沙漠土壤呼吸速率,而且不同林龄土壤呼吸速率大体上随着种植年限的增加而递增,表现为MC >40 a>30 a>10 a>MS >5 a,非生长季表现为MC >40 a>10 a>5 a>30 a>MS。（3）不同林龄梭梭林土壤呼吸速率均具有明显的季节变化特征,生长季（8 月）的土壤呼吸作用明显强于非生长季（1月）。（4）相关性分析表明,生长季和非生长季土壤呼吸均与0～5 cm土壤水分显著相关,且均呈二次曲线关系,分别为Y =-0.205 8X 2+0.946 5X-0.316 6（R 2 =0.506 2,P= 0.041 7）和Y= 0.118 7 X 2+0.156 3X+0.118 8（R 2=0.675 7,P =0.001 1）;但与10 cm土壤温度的相关性不显著,土壤水分是影响人工梭梭林土壤呼吸的关键因素。该研究进一步证明了人工梭梭林的营造有效改善了沙漠土壤的生物活性,提高了土壤碳通量水平,以土壤结皮破坏为基本特征的人工梭梭林退化和沙漠化必然在短期内加剧碳排放。因此,需要在沙漠地区合理营造人工林,并在造林和林业管理过程中注意保护土壤结皮,以减少CO2排放。 相似文献
19.
利用涡度相关技术对青海湖高寒湿地生态系统不同时间尺度CO2通量和水汽通量间的耦合关系进行了研究。结果显示：不同天气条件下青海湖高寒湿地生态系统30 min净CO2交换量（NEE）与水汽通量间均显示了极显著负相关关系（P<0.0001）;30 min总生态系统生产力（GEP）与水汽通量呈极显著线性正相关关系（P<0.0001）;阴天水汽通量参与生态系统净CO2交换和生态系统总碳吸收的比例最高。月均30 min NEE与水汽通量呈极显著线性负相关（R2=0.71,P<0.0001）。从植物返青期、生长期至枯草期,月均30 min的GEP与水汽通量不仅呈极显著线性正相关（P<0.0001）,且在生长期和枯黄期阶段表现出极显著一元二次多项式关系（P<0.0001）。在日尺度上,NEE日总量与日蒸散量呈极显著一元二次多项式负相关关系（R2=0.58,P<0.0001）;GEP日总量与日蒸散量呈极显著指数正相关（R2=0.42,P<0.0001）。在月尺度上,NEE月总量与月蒸散量呈极显著线性负相关（R2=0.60,P<0.0001）,两者还表现为极显著一元二次多项式负相关关系（R2=0.63,P<0.0001）。GEP月总量与月蒸散量呈极显著线性正相关（R2=0.51,P<0.0001）,且表现出极显著指数正相关关系（R2=0.64,P<0.0001）。 相似文献