水稻作为世界范围内的重要粮食作物,其生长状况与产量信息的快速、精确获取,对保障耕地资源安全与粮食安全具有重要意义。本研究探索结合数据融合算法的光能利用率模型反演水稻地上部生物量,将增强型空间和时间自适应反射融合模型(ESTAR...水稻作为世界范围内的重要粮食作物,其生长状况与产量信息的快速、精确获取,对保障耕地资源安全与粮食安全具有重要意义。本研究探索结合数据融合算法的光能利用率模型反演水稻地上部生物量,将增强型空间和时间自适应反射融合模型(ESTARFM)预测的水稻关键生长期数据,驱动EC-LUE(Eddy covariance-light use efficiency)模型反演水稻地上部生物量,分别验证2个模型的精度。结果显示,ESTARFM算法预测值与真实值的Pearson相关系数为0.668(P<0.001),对于中型耕地(11~50个Landsat像元),ESTARFM算法预测精度最为理想。EC-LUE模型反演的水稻地上部生物量预测值与地面实测值Pearson相关系数为0.630(P<0.001)。EC-LUE模型驱动数据的空间分辨率与时间分辨率是制约反演结果精度的关键因素。展开更多
草地作为地球上分布最广的植被类型,在陆地碳循环中发挥着重要作用。草地生产力是估算产草量的基础,准确模拟生产力对草原资源合理利用及生态保护具有重要意义。以东北草地生产力为研究核心,利用涡度相关通量观测数据、遥感数据和气象数...草地作为地球上分布最广的植被类型,在陆地碳循环中发挥着重要作用。草地生产力是估算产草量的基础,准确模拟生产力对草原资源合理利用及生态保护具有重要意义。以东北草地生产力为研究核心,利用涡度相关通量观测数据、遥感数据和气象数据,构建和检验东北草地光能利用率模型。东北草地光能利用率模型以归一化物候植被指数(NDPI)代表光合有效辐射吸收比例,以地表水分指数(LSWI)+0.5表示水分胁迫因子。基于44个草原站的通量数据对东北草地光能利用率模型进行验证,东北草地光能利用率模型的R^(2)为0.855,高于MODIS GPP产品(R^(2)=0.719),略高于VPM GPP产品(R^(2)=0.848),东北草地光能利用率模型的MAE和RMSE分别为0.374 g Cm^(-2)和0.735 g Cm^(-2),低于MODIS GPP产品(MAE=0.562 g Cm^(-2),RMSE=1.026 g Cm^(-2))和VPM GPP产品(MAE=0.667 g Cm^(-2),RMSE=1.339 g Cm^(-2))。VPM GPP产品普遍高估了东北草地的GPP;MODIS GPP产品在典型草原干旱年份明显高估涡度总初级生产力(GPP),而在草甸草原却存在明显的低估;东北草地光能利用率模型虽然在典型草原的干旱年份也存在高于涡度GPP的情况,但程度较MODIS GPP产品和VPM GPP产品小。东北草地光能利用率模型不论从模型精度还是动态一致性上,其表现均优于MODIS GPP产品和VPM GPP产品,且年尺度上的拟合精度远高于MODIS GPP产品和VPM GPP产品。水分胁迫和FPAR的改进都是东北草地光能利用率改进模型精度较高的原因,水分胁迫的贡献更大。研究表明使用构建的东北草地光能利用率模型模拟东北草地生产力非常必要。展开更多
光能利用率(Light use efficiency:LUE)指植物截获的光能转化为化学能的效率,表示为生产力和吸收光能之比。基于LUE概念的模型对模拟预测全球变化下碳循环、植被生产力及其潜力具有重要意义。全球变化和人类活动影响给植被生产力和碳循...光能利用率(Light use efficiency:LUE)指植物截获的光能转化为化学能的效率,表示为生产力和吸收光能之比。基于LUE概念的模型对模拟预测全球变化下碳循环、植被生产力及其潜力具有重要意义。全球变化和人类活动影响给植被生产力和碳循环的评估带来了巨大挑战。系统梳理了LUE模型的不确定性并分析其原因,以期提高生产力模拟预测的准确度。分析发现LUE模型准确度仅为62%-70%且模型间差异较大(32%),误差随着植被类型、时间尺度和空间区域的不同存在显著差别。目前计算LUE的误差是模型不确定性的关键,原因主要在于LUE与影响因素尤其是水分的关系并不清楚。一方面不能准确区分水分胁迫指标对LUE的影响机制,另一方面无法准确模拟水分等影响因素与LUE关系的时空演变特征。未来该领域研究的重要方向是发展集成样地和区域尺度的叶绿素荧光、光化学指数等研究方法,厘定LUE与影响因素特别是的水分关系,并分析其时空演变特征。展开更多
文摘水稻作为世界范围内的重要粮食作物,其生长状况与产量信息的快速、精确获取,对保障耕地资源安全与粮食安全具有重要意义。本研究探索结合数据融合算法的光能利用率模型反演水稻地上部生物量,将增强型空间和时间自适应反射融合模型(ESTARFM)预测的水稻关键生长期数据,驱动EC-LUE(Eddy covariance-light use efficiency)模型反演水稻地上部生物量,分别验证2个模型的精度。结果显示,ESTARFM算法预测值与真实值的Pearson相关系数为0.668(P<0.001),对于中型耕地(11~50个Landsat像元),ESTARFM算法预测精度最为理想。EC-LUE模型反演的水稻地上部生物量预测值与地面实测值Pearson相关系数为0.630(P<0.001)。EC-LUE模型驱动数据的空间分辨率与时间分辨率是制约反演结果精度的关键因素。
文摘为使光能利用率模型在亚热带常绿针叶林区得到更好的应用,以江西省太和县千烟洲为例,利用2003—2005年卫星遥感数据(GLASS LAI叶面积指数产品数据集、MODIS地表反射率产品数据集(MOD09A1)和MODIS GPP产品(MOD17A2))及中国陆地生态系统通量研究网络(ChinaFLUX)千烟洲常绿针叶林的通量观测数据,对13种不同光能利用率模型中的光合有效辐射吸收比率(Fraction of absorbed photosynthetically active radiation,FPAR)、7种水分限制因子(f_(θ))和3种温度限制因子(f_(t))进行模型重组,通过对比通量站观测值与273种模型组合的估算值的决定系数及均方根误差(RMSE)得到更优的模型组合。同时使用该优化模型进行总初级生产力(Gross Primary Productivity,GPP)估算,并进行敏感性分析。结果表明,优化所得到的优选模型组合:用EVI表示的光合有效辐射吸收比率FPAR_(EVI)、3PG模型中的水分影响因子f_(θ-3PG)、TEM模型中的温度影响因子f_(t-TEM)(R^(2)=0.86,RMSE=0.47μmol/(m^(2)·s))的模拟效果最好。优化模型的GPP模拟值均优于MODIS陆地四级标准数据产品(MOD17A2)。敏感性分析结果表明,最大光量子效率α_(max)、增强型植被指数(Enhanced vegetation index,EVI)和光合有效辐射(Photosynthetically active radiation,PAR)为模型的直接线性变量,对模型输出结果影响最大,其他参数敏感性由大到小排序依次为:光合最低温度T_(min)、光合最适温度T_(opt)、月均温度T、光合最高温度T_(max)。因此,本文的优化模型具有较强的实用意义,对进一步提高GPP估算精度具有重要意义。
文摘草地作为地球上分布最广的植被类型,在陆地碳循环中发挥着重要作用。草地生产力是估算产草量的基础,准确模拟生产力对草原资源合理利用及生态保护具有重要意义。以东北草地生产力为研究核心,利用涡度相关通量观测数据、遥感数据和气象数据,构建和检验东北草地光能利用率模型。东北草地光能利用率模型以归一化物候植被指数(NDPI)代表光合有效辐射吸收比例,以地表水分指数(LSWI)+0.5表示水分胁迫因子。基于44个草原站的通量数据对东北草地光能利用率模型进行验证,东北草地光能利用率模型的R^(2)为0.855,高于MODIS GPP产品(R^(2)=0.719),略高于VPM GPP产品(R^(2)=0.848),东北草地光能利用率模型的MAE和RMSE分别为0.374 g Cm^(-2)和0.735 g Cm^(-2),低于MODIS GPP产品(MAE=0.562 g Cm^(-2),RMSE=1.026 g Cm^(-2))和VPM GPP产品(MAE=0.667 g Cm^(-2),RMSE=1.339 g Cm^(-2))。VPM GPP产品普遍高估了东北草地的GPP;MODIS GPP产品在典型草原干旱年份明显高估涡度总初级生产力(GPP),而在草甸草原却存在明显的低估;东北草地光能利用率模型虽然在典型草原的干旱年份也存在高于涡度GPP的情况,但程度较MODIS GPP产品和VPM GPP产品小。东北草地光能利用率模型不论从模型精度还是动态一致性上,其表现均优于MODIS GPP产品和VPM GPP产品,且年尺度上的拟合精度远高于MODIS GPP产品和VPM GPP产品。水分胁迫和FPAR的改进都是东北草地光能利用率改进模型精度较高的原因,水分胁迫的贡献更大。研究表明使用构建的东北草地光能利用率模型模拟东北草地生产力非常必要。
文摘光能利用率(Light use efficiency:LUE)指植物截获的光能转化为化学能的效率,表示为生产力和吸收光能之比。基于LUE概念的模型对模拟预测全球变化下碳循环、植被生产力及其潜力具有重要意义。全球变化和人类活动影响给植被生产力和碳循环的评估带来了巨大挑战。系统梳理了LUE模型的不确定性并分析其原因,以期提高生产力模拟预测的准确度。分析发现LUE模型准确度仅为62%-70%且模型间差异较大(32%),误差随着植被类型、时间尺度和空间区域的不同存在显著差别。目前计算LUE的误差是模型不确定性的关键,原因主要在于LUE与影响因素尤其是水分的关系并不清楚。一方面不能准确区分水分胁迫指标对LUE的影响机制,另一方面无法准确模拟水分等影响因素与LUE关系的时空演变特征。未来该领域研究的重要方向是发展集成样地和区域尺度的叶绿素荧光、光化学指数等研究方法,厘定LUE与影响因素特别是的水分关系,并分析其时空演变特征。