为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导...为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导叶绿素荧光(Sun-induced chlorophyll Fluorescence,SIF)遥感信息。结合通量观测数据,分析了SIF与GPP的日变化特征,并探讨了基于SIF估算作物GPP的能力和差异性。结果表明:1)C3、C4作物的GPP日变化特征差异明显,前者呈“双峰”特征,后者呈“单峰”特征;而SIF760和SIF687均呈现明显的“单峰”特征,即早晚低、午间高;2)不同类型传感器对SIF数值大小的影响强于对其日变化特征的影响,同时,低光谱分辨率传感器对SIF687具有明显的高估现象,且对C3作物的高估强于C4作物;3)C3、C4作物SIF760和SIF687均与冠层吸收光合有效辐射(Absorbed Photosynthetic Active Radiation,APAR)呈显著的线性正相关关系( R 2>0.8),可以直接用于APAR产品的反演;4)针对远红光区SIF,单日观测数据分析结果表明,C3、C4作物SIF760与GPP呈显著的线性正相关关系( R 2>0.6),而基于多日观测数据构建的非线性对数关系模型优于线性关系模型;针对红光区SIF,无论是基于单日还是多日观测数据,C3、C4作物均适宜采用一种非线性对数关系模型来估算GPP( R 2 >0.7),且模型更为稳健。展开更多
二氧化碳捕集与封存(CO2 capture and storage,CCS)是全球CO2减排最重要技术战略,但CCS相关项目存在CO2泄漏的风险不容忽视,及时有效的识别与监测项目区CO2泄漏至关重要。文中以7种典型C3、C4植物为研究对象,通过模拟地质封存CO2泄漏产...二氧化碳捕集与封存(CO2 capture and storage,CCS)是全球CO2减排最重要技术战略,但CCS相关项目存在CO2泄漏的风险不容忽视,及时有效的识别与监测项目区CO2泄漏至关重要。文中以7种典型C3、C4植物为研究对象,通过模拟地质封存CO2泄漏产生的超高CO2浓度对植物稳定碳同位素组成δ13C的影响,分析C3、C4植物δ13C值与超高CO2浓度之间的关系,试图利用植物δ13C分析识别CO2泄漏。结果表明:C3、C4植物的δ13C值能够迅速响应CO2浓度的变化,均呈现随着CO2浓度的增加而先迅速下降后缓慢稳定的态势,其中C3、C4植物δ13C值分别在CO2浓度为10000μmol·mol-1、20000μmol·mol-1时降低显著,C3植物的δ13C值从-28.9‰变化到-47.0‰,C4植物的δ13C值从-15.1‰变化到-43.8‰,C4植物在超高CO2浓度下的δ13C变化远大于C3植物,且与CO2浓度有较强相关性(R2≥0.6343);当二氧化碳浓度大于20000μmol·mol-1时C4植物δ13C值与正常大气环境C4植物δ13C值差异显著,利用C4植物δ13C可有效识别CO2的泄漏。展开更多
文摘为明晰植被冠层叶绿素荧光遥感信息与总初级生产力(Gross Primary Productivity,GPP)间关系,以提高GPP估算精度,该文以典型C3(冬小麦)和C4(夏玉米)作物为例,利用不同传感器采集高频率光谱数据,提取了红光区和远红光区作物冠层日光诱导叶绿素荧光(Sun-induced chlorophyll Fluorescence,SIF)遥感信息。结合通量观测数据,分析了SIF与GPP的日变化特征,并探讨了基于SIF估算作物GPP的能力和差异性。结果表明:1)C3、C4作物的GPP日变化特征差异明显,前者呈“双峰”特征,后者呈“单峰”特征;而SIF760和SIF687均呈现明显的“单峰”特征,即早晚低、午间高;2)不同类型传感器对SIF数值大小的影响强于对其日变化特征的影响,同时,低光谱分辨率传感器对SIF687具有明显的高估现象,且对C3作物的高估强于C4作物;3)C3、C4作物SIF760和SIF687均与冠层吸收光合有效辐射(Absorbed Photosynthetic Active Radiation,APAR)呈显著的线性正相关关系( R 2>0.8),可以直接用于APAR产品的反演;4)针对远红光区SIF,单日观测数据分析结果表明,C3、C4作物SIF760与GPP呈显著的线性正相关关系( R 2>0.6),而基于多日观测数据构建的非线性对数关系模型优于线性关系模型;针对红光区SIF,无论是基于单日还是多日观测数据,C3、C4作物均适宜采用一种非线性对数关系模型来估算GPP( R 2 >0.7),且模型更为稳健。
文摘二氧化碳捕集与封存(CO2 capture and storage,CCS)是全球CO2减排最重要技术战略,但CCS相关项目存在CO2泄漏的风险不容忽视,及时有效的识别与监测项目区CO2泄漏至关重要。文中以7种典型C3、C4植物为研究对象,通过模拟地质封存CO2泄漏产生的超高CO2浓度对植物稳定碳同位素组成δ13C的影响,分析C3、C4植物δ13C值与超高CO2浓度之间的关系,试图利用植物δ13C分析识别CO2泄漏。结果表明:C3、C4植物的δ13C值能够迅速响应CO2浓度的变化,均呈现随着CO2浓度的增加而先迅速下降后缓慢稳定的态势,其中C3、C4植物δ13C值分别在CO2浓度为10000μmol·mol-1、20000μmol·mol-1时降低显著,C3植物的δ13C值从-28.9‰变化到-47.0‰,C4植物的δ13C值从-15.1‰变化到-43.8‰,C4植物在超高CO2浓度下的δ13C变化远大于C3植物,且与CO2浓度有较强相关性(R2≥0.6343);当二氧化碳浓度大于20000μmol·mol-1时C4植物δ13C值与正常大气环境C4植物δ13C值差异显著,利用C4植物δ13C可有效识别CO2的泄漏。
