數據驅動的全球NPP變化模式分析

摘要：傳統方法在分析NPP變化時,將區域按照地理位置、植被類型等進行劃分,會將先驗信息引入結論。針對這一問題,本文采用支持向量聚類(supporting vector clustering, SVC)的方法從數據驅動角度分析1990-2014年全球NPP的時空變化特征。對GLOPEM AVHRR年NPP數據產品和MODIS MOD17A3 NPP數據進行聚類,得到12種變化模式,分析不同NPP變化模式的時空變化特征以及與氣候類型和土地覆蓋類型分布的關系。結果表明,SVC1、SVC2 NPP最低,SVC11、SVC12 NPP較高,SVC5、SVC6、SVC9 SVC12主要是熱帶雨林與熱帶草原氣候,熱帶低緯度地區NPP變化模式較為復雜。SVC3、SVC4 NPP要明顯高于同緯度其他地區可能是受氣候類型的影響。多數NPP變化模式主要是土地覆蓋類型面積減少其中SVC5、SVC9變化顯著,2000-2014年SVC9 NPP減少。不同NPP變化模式的同一土地覆蓋類型的NPP存在差異。