不同排放情景下祁连山地区植被净初级生产力变化特征分析.pdf

54PRATACULTUREOINGHAI2023年9 月Sep.2023Vol.32.No.3第32.卷业第3期海草文章编号：10 0 8-1445(2 0 2 3)0 3-0 0 54-0 9不同排放情景下祁连山地区植被净初级生产力变化特征分析李全平1，刘刚，高君元3，俞君贤！（1.青海省海北牧业气象试验站，青海海北8 10 2 9 9；2.成都信息工程大学，四川成都6 10 2 2 5；3.海晏县气象局，青海海晏8 10 2 9 9）摘要：为了分析祁连山地区2 0 2 1 2 0 50 年不同排放情景对祁连山植被净初级生产力的影响，本文使用生物地球化学模型（Biome-BGC)，模拟分析了祁连山地区在SSP126、SSP2 45、SSP58 53种排放情景下2 0 2 1 2 0 50 年草地植被净初级生产力时空分布特征、年际变化趋势。结果表明：3种排放情景下，祁连山地区植被净初级生产力都呈现增加趋势，SSP126情景、SSP245情景下2 0 2 1 2 0 50 年祁连山地区植被覆盖状况在中部和西部地区存在明显增加趋势。SSP585情景在2 0 41 2 0 50 年更利于植被生长，2 0 2 1 2 0 40 年不利于植被生长。空间分布呈现中部高、两头低的分布特征，西北与东南相比偏低1020gC/m/a，高值区主要集中在青海省海北州及海西州天峻县境内，NPP普遍处于6 0 18 0 gC/m/a左右；低值区位于青海省海西州西南部，NPP值小于2 0 gC/m/a。关键词：祁连山地区；Biome-BGC模型；时空分布；年际变化中图分类号：S812文献标识码：A植被净初级生产力（NPP）是指植物在单位时间单位面积上所产生的有机干物质总量，是生物地球化学碳循环的关键环节，反映了植物固定和转化光合产物的效率，是衡量生态系统承载能力和评价生态系统可持续发展的重要指标。已有研究表明，我国植被NPP空间上呈由东南向西北递减的分布趋势 2-4】，长江中下游、华北平原和东北长白山地区NPP呈减少趋势，青藏高原、西北、内蒙古中部及东南沿海地区NPP呈增加趋势 5-7 。区域尺度上，青藏高原多数自然地带内的NPP呈增加趋势，仅阿里山地半荒漠、荒漠地带NPP呈轻微减少趋势，其中高寒灌丛草甸地带和草原地带的NPP增长幅度明显大于高寒荒漠地带。西北地区植被NPP分布具有明显的空间异质性，整体呈现由东向西递减的趋势 8-12 ，以上研究主要以陆表特征数据集（G LA SS）为基础或以遥感数据和野外台站生态实测数据为基础进行估算。利用计算机模型估算陆地植被的生产力已成为一种重要而广泛接受的研究方法。目前国内外关于研究植被净第一性生产力NPP的模型很多，气候生产力模型目前主要有Miami模型 13、Thornthwaite收稿日期：2 0 2 3-0 3-9作者简介：李全华（19 7 8-），男，本科，副高级工程师，主要从事生态气象研究工作。E-mail:55不同排放情力变化特征分析不车李全平等Memorial模型14、Chikugo模型 15，生物地球化学模型主要包括BEPS模型、CENTURY模型、BIOME-BGC模型等，光能利用率模型主要有CASA模型和C-FIX模型，光能利用率模型是近年来研究NPP的主要方法，在不同区域广泛使用 16 18 祁连山是我国西北地区重要的生态保障区，是河西走廊重要的水源地和生态区，其生态环境战略地位突出，也是维护河西走廊地区生态平衡和经济发展的基础。祁连山地区已有的气候方面的研究主要集中在气候变化特征研究、气候对植被影响研究、植被净初级生产力对气候变化的响应研究三个方面19-2 1，利用生物地球化学模型模拟未来不同排放情景下草地净初级生产力时空变化特征的研究较少。为阐明不同情景模式下未来气候变化对祁连山地区草地净初级生产力空间分布动态变化和植被格局的影响，本研究使用生物地球化学模型（Biome-BGC），模拟分析了祁连山地区在SSP126、SSP2 45、SSP58 53种排放情景下未来草地植被净初级生产力时空分布特征、年际变化趋势，以期为祁连山植被生态系统生产力的评估、动态变化监测，以及重大生态保护工程的实施提供科学参考与决策依据。1研究区概况与方法1.1研究区概况祁连山地处青藏高原的东北边缘，横跨甘肃、青海两省，全长约8 50 km，宽2 0 0 30 0 km，东起乌鞘岭，西至阿尔金山，北与河西走廊相临，南与柴达木盆地相接，平均海拔40 0 0 450 0 m，山势由西向东降低氏 2 2 3，属于典型的高原大陆性气候。本文选取9 4.0 0 E103.50E，36.0 0 N 40.0 0 N作为祁连山范围进行研究（图1）。9400E9600E9800E10000E10200EN.0.0088N.0.09%图常绿针叶林落叶阔叶林口稀疏灌木一草地城镇裸地常绿阔叶林混合森林一木质稀树草原湿地作物水体例口落叶针叶林一封闭灌木一稀树草原耕地口冰雪50100km图1研究区示意图1.2研究方法1.2.1Biome-BGC模型介绍Biome-BGC模型是由美国国家气象研究中心（NCAR）和蒙大纳大学共同研发用于模拟全球或区域陆地生态系统碳、氮和水循环、土壤过程与能量交换的生物地球化学循环过程模型（图2）。Biome-BGC模型主要是通过驱动研究区的样地参数、气象数据和植被生理生态参数三类数据，模拟全球和区域生态系统的碳、氮和水循环的生物地球化学循环过程 2 4.2 5，Biome-BCC模型的驱动机理是根据物质与能量守恒原理进行，即每天进人生态系统中的物质和能量，与离开生态系统的物质与能量进行相减，相差的部分就是累积在生态系统中的物质和能量（NPP=GPP-RA）26N沉降降水大气饱和水汽压辐射蒸散发CO2H2O蒸腾H2O蒸发差和温度吸收气孔H2O升华CO2返还光合作用叶片叶片呼吸总呼吸呼吸分配冠层阳生叶阴生叶枝干呼吸凋落物枯枝杂叶屋土壤水子土楼呼吸分解、腐料N吸收N固定土图2 Biome-BGC模型能量循环、水循环、碳循环和氮循环过程概念图1.2.2模型的输入与输出Biome-BGC模型的输人文件可分为控制文件、气象驱动文件和植被生理生态参数3类。文中控制文件主要包括研究区域经纬度、海拔、生物量分配参数、光合作用参数、气孔导度和气孔控制参数等，部分控制参数如下：海拔高度控制参数：根据STRM卫星9 0 m分辨率全国DEM数据，经重采样得到祁连山气候模拟区域（9 4.0 0 E103.50E，36.0 0 N 40.0 0 N）0.10 x0.10分辨率DEM数据。植被类型控制参数：采用中国西部环境与生态科学数据中心发布的WESTDC2.0土地利用产品数据。共有18 个土地利用类型及16 个植被类562023年第3期青海草业第32 卷型，包括常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、灌木林、草原及农田等。坡度、坡向控制参数：基于DEM数据，在ARCGIS中计算得到祁连山地区坡度、坡向分布图（图3)。9400E9600*E9800*E10000E10200*E10400E9400E9600E9800*EN.O.O.Ot10000*E10200*E10400EN.O.O.OtN.0.0.68N.0.0.6EN.O.O.65N.0.O.65N.0.0.8EN.0.0.88N.0.0.85N.0.0.8EN.O.O.2EN.O,O.2EN.O.O.LEN.O.O.2N.0.0.96N.0.0.9EN.O.O.9N.0.0.98坡向图坡度/N图N010020001002001230KMN.O.O.SE8例4KM例N.O.O.SE9400*E9600E9800E10000E10200E10400*E9400E9600E9800E10000E10200E10400E图30.10 0.10 坡度、坡向分布图气象驱动数据：模型输人19 6 1 2 0 15年祁连山地区小型气候模型（MTCLIM4.3）输出的气象数据，数据类型为日最高气温、日最低气温、日平均温度、日降水量、日平均水蒸气分压、日光平均短波辐射、通量密度等。未来气象场数据采用IPCCCMIP6气候模式中3种排放情景 2 7（SSP12 6、SSP2 45、SSP58 5分别代表可持续发展路径的低排放情景、中间发展路径的中等排放情景、不均衡发展路径的高排放情景）。植被生理生态参数：根据祁连山地区地理、土壤、生态与植被实地观测数据与已有研究成果，修订植被生理生态控制参数代码，具体信息如附表所示。CO2控制参数：以IPCC发布的逐年CO,排放量数据为控制参数。1.2.3验证方法及结果利用研究时段内相关的实测数据及其他研究结果，综合评估模拟结果的可靠性。实测数据选取大柴旦、都兰、刚察、达日为代表站，研究成果收集韩海燕 2 8 、周夏飞 2 9 周伟 30 、张镱锂 3、黄玫【31 等研究文献5篇，不同来源成果数据见表1。表1由BIOME模型模拟得到的NPP平均值与已有同地点文献成果数据对比表单位:gC/m/a已有成果文献数据站点本文估算结果韩海燕（2 0 19）周夏飞（2 0 19）周伟（2 0 17）张镱锂（2 0 13）黄玫（2 0 0 8）大柴旦02068.7302000502030050都兰85.411102001002005090200300刚察48.679.23020010020090150200300达日278.23400600500600150280200300与他人研究成果数据的对比来看，总体阈值范围在合理的区间之内，与各文献参考值接近，模型的模拟结果处于合理的范围内，模型估算值可信。2结果与分析2.1 20212050年NPP时空分布特征模拟结果表明（图4），2 0 2 1 2 0 50 年在3种排放情景下，祁连山地区草地年均净初级生产力（NPP）呈现中部高、两头低的分布特征，西北与东南相比偏低10 2 0 gC/mla，高值区主要集中57李全平等不同排放情景下祁连山地区植被净初级生产力变化特征分析在青海省海北州及海西州天峻县境内，NPP普遍处于6 0 18 0 gC/m/a左右；低值区位于青海省海西州西南部，NPP值小于2 0 gC/mla。与孙力炜等 32 2 0 0 0 2 0 10 年研究结果相比整个区域NPP呈增加的趋势对模拟的3种排放情景下的NPP分布特征进行比较：SSP126、SSP2 45情景下整个区域空间分布，高值区的分布无明显变化，主要集中在冷龙岭以南青海南山以北刚察县、天峻县、祁连县、张掖市、民乐县等区域；SSP585情景与SSP126、SSP2 45相比，高值区变化集中在青海湖北部区域，NPP值大于150 gC/m/a的区域缩小，140gC/mla的区域向东南延伸，刚察县与祁连县交接地带NPP值增加30 40 gC/m/a。40N40N40N39N39N39N38N38N38N37N37N37N40136N36N36N96E98E100E102E103.5E96E98E100E102E103.5E96E9BE100E102E103.5E1020406080100 120 14016018010204060801001201401601801020406080100120140160180图4SSP126、SSSP245、SSP58 5情景下NPP时空分布特征2.220212050年NPP年际线性变化趋势20212050年祁连山地区NPP线性变化率的空间分布特征如图5所示。祁连山地区植被NPP都呈现增加趋势，SSP126情景，线性变化趋势主要以4 5为主；SSP245情景，线性变化趋势主要以2 3为主；SSP585情景，线性变化趋势主要以大于5为主。SSP126情景线性变化4 5区域主要分布在青海海西和海北；SSP245情景线性变化5以上区域主要分布在青海海北和甘肃张掖等地；SSP585情景线性变化大于5区域与SSP126情景基本相同。40N40N4ON39N39N39N38N38N38N37N37N37N36N36N98E100E102E36N96E103.5E96E98E100E102E103.5E96E98E100E102E103.5E-4-3-24-3-24-3-2图5SSP126、SSP2 45、SSP58 5情景下NPP年际线性变化趋势2.320212050年NPP年代际变化特征根据平均每10 a年代际变化（图6)，SSP126情景下2 0 2 1 2 0 50 年祁连山地区NPP值为140 16 0 gC/mla的范围由祁连山地区南部向西南部及中西部扩大，祁连山地区中部NPP值大于16 0 gC/m/a地区在30 a间不断增大，这一变化特征在2 0 31 2 0 40 年及2 0 41 2 0 50 年阶段更为明显，说明未来30 a祁连山地区区域植被覆盖状况在中部和西部地区存在明显改善趋势。582023年第3期第3 2 卷青海草业4ON4ON4ON:39N39N39N-38N38N36N37N37N37N36N36N102E36N96E98E100E102E103.5E96E98E100E103.5E96E98E100E102E103.5E801004016018080140160806080100120140160180202120302031204020412050图6 SSP126情景下2 0 2 1 2 0 50 年NPP年代际变化特征SSP245情景相比SSP126情景，2 0 2 1 2 0 50 年祁连山地区NPP值在2 0 31年以后大于16 0 gC/mla地区扩张更为明显，扩张范围更大（图7）。说明未来30 a祁连山地区区域植被覆盖状况在中部和西部地区存在明显改善趋势，SSP245情景比SSP126情景更利于植被生长。40N4ON4ON39N39N39N38N38N38N37N37N-37N36N36N100E102E98E36N96E98E103.5E96E100E102E103.5E96E98E100E102E103.5E406080100120140160180406080100120140160180406080100120140160180204120502021203020312040图7 SSP245情景下2 0 2 1 2 0 50 年NPP年代际变化特征SSP585情景下，2 0 2 1 2 0 50 年祁连山地区NPP值为10 0 16 0 gC/m/a的范围在祁连山南部、西南部及中部地区先减小再扩大，尤其是100120gC/mla的植被NPP先减小再扩大范围更广，这一变化特征主要表现为2 0 2 1 2 0 40 年NPP减小，2 0 41 2 0 50 年NPP扩大（图8）。说明未来30 a，从2 0 41年开始祁连山地区区域植被覆盖状况在中部、西南部和南部地区存在明显改善趋势，SSP585情景比SSP126和SSP245情景在20412050年更利于植被生长，2 0 2 1 2 0 40 年不利于植被生长。4ON40N40N39N39N-39N38N38N35N37N37N-37N36N36N98E100E98E100E103.5E36N96E102E103.5E96E102E96E98E100E102E103.5E608010012014016018060801001201401601806080100120140160180202120302031204020412050图8 SSP585情景下2 0 2 1 2 0 50 年NPP年代际变化特征3结论本文使用生物地球化学模型（Biome-BGC）模拟分析了祁连山地区在SSP126、SSP2 45、SSP5853种排放情景下2 0 2 1 2 0 50 年草地植被净初级生产力时空分布特征、年际变化趋势，主要结论如下：59李全平等不同排放情景下祁连山地区植被净初级生产力变化特征分析（1）2 0 2 1 2 0 5 0 年祁连山地区植被NPP都呈现增加趋势，空间分布呈现中部高、两头低的分布特征，该结果与兰云飞 2 0 和刘亚荣 2 1 基于历史数据的分布特征及趋势一致，但本研究中不同排放情景下NPP的线性增长率与刘亚荣21近5 1a来祁连山植被净初级生产力平均增加速率（0.7 18 g C/mla）相比偏高，原因可能是研究区面积和研究区数据长度不同，同时与祁连山地区气候要素的变化有一定联系。（2）S S P5 8 5 情景较其他情景更为适宜草地生产力的积累，SSP585情景与SSP126、S S P2 45相比，2 0 2 1 2 0 5 0 年间140 gC/m/a的区域向东南延伸，刚察县与祁连县交接地带NPP值增加3040gC/mla，说明未来气候变暖对处于高寒地区的植被生产力而言具有明显地促进作用，更为适宜草地生产力的积累。SSP585情景2 0 41 2 0 5 0 年更利于植被生长，20212040年不利于植被生长。SSP585情景下未来祁连山地区植被NPP高值区主要集中在青海省海北州及海西州天峻县境内，NPP普遍处于60180gC/m/a左右；低值区位于青海省海西州西南部，NPP值小于2 0 gC/m/a。参考文献：1高冬冬，丹利，范广洲，等.2 0 19地球系统模式中植被净初级生产力百年尺度时空变化及其与气候的关系 J.气候与环境研究,2 4(0 6):6 6 3 6 7 7.2刘刚，孙睿，肖志强，等.2 0 0 1 2 0 14年中国植被净初级生产力时空变化及其与气象因素的关系 .生态学报,2 0 17,3 7(15):493 6 4945.3张镱锂，祁威，周才平，等.青藏高原高寒草地净初级生产力(NPP)时空分异 J.地理学报,2 0 13,6 8(0 9):1 197 1 2 11.4同琳静，刘洋洋，王倩，等.西北植被净初级生产力时空变化及其驱动因素 .水土保持研究,2 0 19,2 6(0 4):3 6 7 3 7 4.5】刘刚，孙睿，肖志强，等.2 0 0 1 2 0 14年中国植被净初级生产力时空变化及其与气象因素的关系 J.生态学报,2 0 17,3 7(15):493 6 4945.6贾俊鹤，刘会玉，林振山.中国西北地区植被NPP多时间尺度变化及其对气候变化的响应 J.生态学报,2 0 19,3 9(14):5 0 5 8 5 0 6 9.7朱再春，刘永稳，刘祯，等.CMIP5模式对未来升温情景下全球陆地生态系统净初级生产力变化的预估 J.气候变化研究进展,2 0 18,14(0 1):3 1 3 9.8杨潇，郭兵，韩保民，等.青藏高原NPP时空演变格局及其驱动机制分析 J.长江流域资源与环境,2 0 19,2 8(12):3 0 3 8 3 0 5 0.9刘凤，曾永年.近16 年青海高原植被NPP时空格局变化及气候与人为因素的影响 J.生态学报,2 0 19,3 9(0 5):1 5 2 8-1 5 40.10杜加强，舒俭民，张林波.基于NPP的黄南州自然植被对气候变化的响应 J.生态学杂志,2 0 10,(0 6):1 0 94 1 10 2.11陆晴，吴绍洪，赵东升.198 2 2 0 13 年青藏高原高寒草地覆盖变化及与气候之间的关系 J.地理科学,2 0 17,3 7(0 2):2 92 3 0 0.12朱莹莹，韩磊，赵永华，等.中国西北地区NPP模拟及其时空格局 J.生态学杂志,2 0 19,3 8(0 6)：1 8611 871.13张禹舜，贾文雄，刘亚荣，等.近11a来祁连山净初级生产力对气候因子的响应 J.干旱区地理,2 0 16,3 9(0 1):7 7 8 5.14李颜颜，康国华，张鹏岩，等.基于ThornthwaiteMemorial模型的近5 4年河南省农业气候生产力时空变化特征分析 J.江苏农业科学，2 0 18,46(0 7):2 8 7 2 93.15周平，武威，王瑞，等.不同草地NPP估算模型对中国草地的模拟计算分析 J.草业科学,2 0 18,3 5(10):2 3 8 1 2 3 8 8.16陈晓玲，曾永年.亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系一以湖南省为例 J.602023年第3 期青海草业第3 2 卷地理学报,2 0 16,7 1(0 1):3 5 48.17王聚中，徐怀兴，胡璐璐，等.基于双叶光能利用率模型反演毛竹总初级生产力研究 .西部林业科学,2 0 2 3,5 2(0 1):13 9 146.18詹长根，吴金涛.湖北省鄂州市湿地净初级生产力及固碳释氧量估算 .水土保持通报,2 0 2 2,42(05):321328+359.19张禹舜，贾文雄，赵一飞，等.基于CASA模型研究祁连山地区植被净初级生产力的时空变化 J.西北植物学报,2 0 14,3 4(10):2 0 8 5 2 0 91.20】兰云飞，李传华近16 年祁连山植被NPP时空格局及其对气候变化的响应 J.草地学报，2 0 2 2,1(30):188194.21刘亚荣，贾文雄，黄玫.近5 1年来祁连山植被净初级生产力对气候变化的响应 J.西北植物学报,2 0 15,3 5(0 3):6 0 1 6 0 7.22尹宪志，张强，徐启运，等.近5 0 年来祁连山区气候变化特征研究 J.高原气象，2 0 0 9,2 8(0 1):8 5 90.23贾文雄，何元庆，李宗省，等.祁连山及河西走廊气候变化的时空分布特征 J.中国沙漠,2 0 0 8,2 8(0 6):1 15 1 1 15 5.24 White Ma,Thornton P E,Running S W,etal.Parameterization and Sensitivity analysis of the BIOME-BGC Terrestrial Ecosystem Model:Net Primary Production ControlsJ.Earth Interactions,2000,4(03):5884.25 White Ma,Running S W.8-Generalization ofa Forest Ecosystem Process Model forOther Biomes,BIOME-BGC,and an application for global-Scale ModelsJJ.Scaling PhysiologicalProcesses,1993,25(02):141158.26何丽鸿.东北地区长白落叶松林净初级生产力对气候变化的响应 D.北京：北京林业大学,2 0 15.27韩其飞，罗格平，李超凡，等.基于Biome-BGC模型的天山北坡森林生态系统碳动态模拟 J.干旱区研究,2 0 14,3 1(0 3):3 7 5 3 8 2.28韩海燕.基于Biome-BGC模型的青藏高原草地NPP估算及情景模拟 D.兰州：西北师范大学,2 0 19.29周夏飞，於方，曹国志.2 0 0 1 2 0 15 年青藏高原草地碳源汇时空变化及其与气候因子的关系 J.水土保持研究,2 0 19,2 6(0 1):7 6 8 1.30周伟，牟风云，刚成诚，等.198 2 2 0 10 年中国草地净初级生产力时空动态及其与气候因子的关系J.生态学报,2 0 17,3 7(13):43 3 5 4 3 45.31黄玫，季劲钧，彭莉莉.青藏高原198 1 2 0 0 0 年植被净初级生产力对气候变化的响应 J.气候与环境研究,2 0 0 8,13(0 5):6 0 8 6 16.32孙力炜，张勃，侯春梅，等.祁连山区植被净初级生产力的空间变化特征分析 .遥感技术与应用,2 0 15,3 0(0 3):5 92 5 98.附表植被生理生态参数（代码说明）ValueECOPHYS1=WOODY0O=NON-WOODY1=EVERGREEN0O=DECIDUOUS1=C3 PSN10=C4 PSN1=MODELPHENOLOGY0O=USER-SPECIFIEDPHENOLOGY61不同排放情景不车山地皮植被净初级变化特征分析李全平等续表ValueECOPHYS120yearday to start new growth290yearday to end litterfall1.0transfer growth period as fraction of growing season1.0litterfall as fraction of growing season1.0annual leaf and fine root turnover fraction0.00annual live wood turnover fraction0.1annual whole-plant mortality fraction0.01annual fire mortality fraction1.18new fine root C:new leaf C0.0new stem C:new leaf C0.0new live wood C:new total wood C0.0new croot C:new stem C0.5current growth proportion12.47C:N of leaves45.0C:N of leaf litter,after retranslocation37.29C:N of fine roots0.0C:N of live wood0.0C:N of dead wood0.39leaf litter labile proportion0.44leaf litter cellulose proportion0.17leaf litter lignin proportion0.30fine root labile proportion0.45fine root cellulose proportion0.25fine root lignin proportion0.76dead wood cellulose proportion0.24dead wood lignin proportion0.021canopy water interception coefficient0.48canopy light extinction coefficient2.0all-sided to projected leaf area ratio23.85canopy average specific leaf area2.0ratio of shaded SLA:sunlit SLA0.21fraction of leaf N in Rubisco0.006maximum stomatal conductance0.00001cuticularconductance0.04boundary layerconductance-0.6leaf water potential:start of conductance reduction-2.3leaf water potential:complete conductance reduction930.0vapor pressure deficit:start of conductance reduction4100.0vapor pressure deficit:complete conductance reduction62上接第40 页2023年第3 期第3 2 卷青海草业THEVARIATION CHARACTERISTICS OFNETPRIMARY PRODUCTIVITY OFINQILIAN MOUNTAINS UNDERDIFFERENTEMISSION SCENARIOSLI Quan-ping et al(Haibeianimal Husbandry Meteorological Test Station of Qinghai Province Haibei,Haibei Qinghai 810299,China)Abstract:In order to analyze the impact of climate change on the net primary productivity under differentemission scenarios in the Qilian Mountains from 2021 to 2050,this study useda biogeochemical model(Biome-BGC)to simulate and analyze the spatial distribution characteristics and the interannual variation of netprimary productivity in the Qilian Mountains from 2021 to 2050 under three emission scenarios of SSP126,SSP245 and SSP585.The study showed:the net primary productivity showedan increasing trend in the QilianMountains under the three emission scenarios.There was a significant increasing trend of vegetation coverstatus in the centraland western regions under SSP126 scenario,SSP245 scenario in the Qilian Mountainsfrom 2021 to 2050.Under the SSP585 simulation scenario vegetation was more favorable for growth between20412050 and vegetation was less favorable for growth between 20212040.The spatial distribution showedthe distribution characteristics of high in the middle and low at both ends,and the northwest was 1020 gC/m/a lower compared with the southeast,and the high value area was mainly concentrated in Haibei Prefecture andTianjun county of Haixi Prefecture,Qinghai Province,with NPP generally around 60180 gC/m/a;the lowvalue area was in the southwest of Haixi Prefecture,Qinghai Province,with NPP value less than 20 gC/m/a.Key words:Qilian Mountains;Biome-BGC model;Temporal Distribution;Interannual VariationANALYSIS OF ECOLOGICAL CONTROL MEASURES IN THE PREVENTIONANDCONTROLOFGARDENDISEASESANDPESTSYANG Zhi-liang(Municipal Public Service Center of Chengbei District,Xining CQinghai 810000,China)Abstract:The prevention and control of garden diseases and pests is an important task in garden management.Ecological control measures have broad application prospects in the prevention and control of gardendiseases and pests.This article analyzes the utilization of natural enemies,introduction of heterogeneous plants,reasonable setting of disease and pest monitoring points,plant nutrition regulation,and promotion of greencontrol technologies.These measures can enhance the self-regulation ability of garden ecosystems,enhancethe ability of gardens to resist pests and diseases,and promote the construction of ecological friendly gardens.Key words:Ecological control measures;Garden pest control;Apply