CN103513290A - 基于遥感的区域陆地生态系统呼吸监测方法 - Google Patents

Abstract

本发明提供一种基于遥感的区域陆地生态系统呼吸的监测方法，包括步骤：S1获取区域范围内的时间序列卫星遥感影像数据；S2对关键参量进行遥感反演；S3基于土地覆盖或土地利用数据，量化不同植被类型的关键生理生态参数；S4获得时间序列的气象插值数据；S5去云处理，获得无噪音影响的植被生长季曲线；S6确定区域陆地生态系统年呼吸量。本发明的方法，基于时间序列的遥感数据，考虑到植被类型的空间差异，确定了区域尺度的生态系统呼吸算法，解决区域尺度陆地生态系统呼吸仅仅依赖于气象数据，对大尺度范围内地表覆盖的异质性信息表现力不足的问题。提高了区域尺度生态系统呼吸估算的精度，更准确地定量描述不同生态系统呼吸的时间动态。

Description

基于遥感的区域陆地生态系统呼吸监测方法

技术领域

本发明涉及卫星遥感技术领域，尤其涉及一种利用卫星遥感图像提供的可见光和近红外信息，结合地面观测的气象信息，进行区域陆地生态系统呼吸的计算方法。本方法可通过时间序列上的生态系统呼吸的估算与累积，确定区域陆地生态系统呼吸的季节动态与年总量，属于遥感应用技术领域。

背景技术

陆地生态系统呼吸是全球碳循环中最重要的碳通量组分之一，对特定生态系统的净碳收支起着决定作用。区域尺度上的生态系统呼吸的准确估算是评价区域及全球生态系统碳源/汇功能、及生态系统对不同时空尺度全球变化响应的基础和前提。可用于评估全球气候变化以及人类行为对生态系统的影响，并可为碳交易核算及价格制定等提供重要的参考。

现有的陆地生态系统呼吸的监测方法主要有两种，一种是基于涡度相关的碳通量观测方法，另一种是基于生态系统呼吸对温度的响应模型，也可以将水分因素与温度因子一起作为驱动变量，建立耦合的生态系统呼吸估算模型。常用的耦合方式有连乘形式和Q₁₀模型。近十多年来，涡度相关技术经过长期的理论发展和技术进步，已经成为全球通量观测网络(FLUXNET)中直接测定陆地生态系统二氧化碳和水热通量的主要方法。通常假定夜间植被与大气间净生态系统二氧化碳交换仅仅来源于生态系统呼吸，由于温度和土壤水分条件是控制生态系统呼吸的重要环境要素，涡度相关系统夜间通量缺失数据的插补和白天生态系统呼吸的估算通常基于生态系统呼吸对温度和水分条件的响应特征。生态系统呼吸对温度的响应特征有多种描述，也可以将水分因素与温度因子一起作为驱动变量，建立耦合的生态系统呼吸估算模型。常用的耦合方式有连乘形式和Q₁₀模型。在两种类型生态系统呼吸模型中，都采用温度以及土壤含水量作为预测生态系统呼吸的驱动变量。

但涡度相关技术是在站点尺度上提供可靠的观测数据，而且Q₁₀存在明显的空间变异，这一变异性的存在是利用Q₁₀为固定值的碳循环模型模拟区域或全球尺度碳收支（即净生态系统生产力）时产生不确定性的重要原因之一。

在区域尺度上，相对于传统的仅仅基于温度、水分等气象数据的方法，通过遥感数据监测生态系统呼吸的方法具有空间上连续和时间动态变化的特点。遥感数据能提供地表覆盖状况、生态系统内部状况等空间异质性信息，以及地表覆盖状况和生态系统在时间上的动态变化信息。用遥感手段进行区域尺度下非均匀覆盖的陆地生态系统呼吸估算，已经成为遥感应用领域的重要研究方向。

本发明正是利用卫星遥感数据在大尺度空间上的信息表现力，以遥感数据为基础建立区域陆地生态系统呼吸模型，为区域尺度生态系统呼吸的监测提供有效的定量估算。

发明内容

（一）要解决的技术问题

本发明的目的是提供一种基于卫星遥感的区域陆地生态系统呼吸监测方法，该方法利用多时相的遥感数据以及每日常规气象数据建立了区域尺度上陆地生态系统呼吸量监测数据处理链，实现区域陆地生态系统呼吸运行性遥感监测。以解决区域尺度陆地生态系统呼吸仅仅依赖于气象数据，对大尺度范围内地表覆盖的异质性信息表现力不足的问题。

（二）技术方案

本发明的目的在于提出一种基于遥感的区域陆地生态系统呼吸监测方法。

实现本发明上述目的的具体技术方案为：

1、一种基于遥感的区域陆地生态系统呼吸的监测方法，包括步骤：

S1：获取区域范围内的时间序列卫星遥感影像数据；

S2：对地面的关键参量进行遥感反演；

S3：基于土地覆盖或土地利用数据，量化不同植被类型的关键生理生态参数；

S4：运用空间插值技术，按一定的时步长对日平均气温等气象数据进行空间插值，获得时间序列的气象插值数据；

S5：运用滤波技术对时间序列的植被指数进行去云处理，获得无噪音影响的植被生长季曲线；

S6：运用光能利率模型和气象数据求得一定时间步长的生态系统初级生产力和呼吸，由此进行时间累积，最终确定区域陆地生态系统年呼吸量。

其中，所述S1中区域为省级区域、国家级区域或全球区域；所述卫星遥感影像数据为时间步长为1-30天内的数据。

其中，所述S2中包括光合有效辐射吸收比例（FPAR）的遥感反演：

FPAR的遥感估算可以采用两种方法，第一，基于植被指数的方法；第二基于能量平衡的原理，利用具有明确物理意义反照率模型计算FPAR。在一级近似下FPAR遥感反演模型为

FPAR=1-α-P_gap+P_gapα_b（1-K_open）       （1）

式(1)中，α是反照率，应用现有的遥感反演方法进行反演，或直接应用现有的反照率遥感反演产品，例如MODIS的反照率遥感反演方法和反演产品；α_b是背景反照率，根据不同的植被类型，以反照率α的经验系数的方法来确定，为简化FPAR的估算方法，通常忽略背景反照率α_b，则FPAR的估算模型简化为FPAR=1－α－P_gap；P_gap是植被冠层的孔隙率,与冠层参数和观测角度有关,是叶面积指数的函数；K_open是冠层开放度，用以描述被背景散射的PAR穿过冠层到达顶部的部分。

其中，所述冠层的孔隙率和冠层开放度的具体公式为：

P_gap=exp(-LAI·Ω(θ_sun)·G(θ_sun)cosθ_sun)       （2）

$K_{\mathrm{open}}={\∫}_0^{\mathrm{\π}/2}{P}_{\mathrm{gap}}\left(\mathrm{\θ}\right)\sin 2\mathrm{\θd\θ}---\left(3\right)$

（2）式中，LAI为叶面积指数，Ω（θ_sun）是聚集指数，G（θ_sun）是在太阳天顶角（θ_sun）方向上的消光比率，通过测定植被冠层的结构得出。例如，使用sunscan冠层分析仪测定。对于叶子随机分布的冠层Ω（θ_sun）假设为1。

其中，所述S3包括：地表土地覆盖或土地利用的空间差异性较大，基于土地覆盖或土地利用数据，量化区域尺度不同植被类型的关键生理生态参数，其中包括不同植被类型的光能利用率的量化，具体量化方法为：

ε_g=ε^*×f(T)×f(W)         （4）

式（4）中，ε^*为最大光能利用率，f(T)表示气温T对光合作用的影响，f(W)表示水分状况对光合作用的影响。f(T)与f(W)的量化方法可以采用基于气象观测数据的方法，也可以采用遥感反演的地表温度与地表水分指数来估算。ε^*的量化方法是利用Michaelis-Menten模型（米氏算法）进行拟合得到。

其中，所述S6包括：

第一步：初级生产力GPP的计算，方法为：

GPP=ε_g×FPAR×Q_PAR          （5）

式（5）中，Q_PAR，植被能进行光合作用的驱动能量，其能量为到达地表的太阳总辐射量的一个分量，通过下式进行计算获得。

$Q_{\mathrm{PAR}}=0.48\×K_{24}^{\↓}\left(t\right)---\left(6\right)$

第二步：生态系统呼吸计算，方法为：

R_eco=a*GPP+b*exp(c*T_a)+d           （7）

式中，a、b、c、d为常数，GPP为总初级生产力，T_a为日平均气温。

其中，当所述植被为阔叶林、针叶林、农田、草地或灌丛，所述生态系统呼吸算法分别为：

R_{eco_broadleaf}=0.313GPP+0.299exp(0.056T_a)+0.955        （8）

R_{eco_needleleaf}=0.53GPP+0.435exp(0.061T_a)-0.14         （9）

R_{eco_crop}=0.266GPP+0.308exp(0.094T_a)+0.425             (10)

R_{eco_grass}=0.567GPP+0.3exp(0.049T_a)+0.095              (11)

R_{eco_shrub}=0.663GPP+0.114exp(0.06T_a)+0.092             (12)

本发明的有益效果在于：

基于时间序列的遥感数据，考虑植被类型的空间差异，确定了区域尺度的生态系统呼吸算法，解决区域尺度陆地生态系统呼吸仅仅依赖于气象数据，对大尺度范围内地表覆盖的异质性信息表现力不足的问题。提高了区域尺度生态系统呼吸估算的精度，而且能够更准确的定量描述不同生态系统呼吸的时间动态（季节变化与年际变化）。

具体实施方式

以下实施例进一步说明本发明的内容，但不应理解为对本发明的限制。

实施例1：

以中国（国家区域）为例，MODIS卫星遥感影像数据从NASA（美国国家航空航天局）获得。时间步长为8天。

S1获取中国区域的时间序列卫星遥感影像数据：

本实施例中，使用AVHRR/MODIS（改进型甚高分辨率辐射仪/中分辨率航天成像光谱仪）作为卫星遥感影像数据源。这主要考虑到AVHRR/MODIS数据具有多光谱特征，时间分辨率为1天，可以满足连续时间序列上进行遥感监测的需求。为减少云遮掩的影响，获取的数据为2001年MODIS的反射率8天合成产品。

S2关键参量FPAR的遥感反演：

FPAR=1－α－P_gap+P_gapα_b（1－K_open）             （1）

P_gap=exp(-LAI·Ω(θ_sun)·G(θ_sun)cosθ_sun)      （2）

式(1)中，α是反照率，应用MODIS的反照率遥感反演方法和反演产品求得；α_b是背景反照率，根据不同的植被类型，以反照率α的经验系数的方法来确定；P_gap是植被冠层的孔隙率,与冠层参数和观测角度有关,是叶面积指数的函数；K_open是冠层开放度，用以描述被背景散射的PAR穿过冠层到达顶部的部分。

（2）式中，LAI为叶面积指数，Ω（θ_sun）是聚集指数，G（θ_sun）是在太阳天顶角（θ_sun）方向上的消光比率，通过用sunscan冠层分析仪测定植被冠层的结构得出。

S3基于土地覆盖或土地利用数据，量化不同植被类型的关键生理生态参数光能利用率ε_g：

ε_g=ε^*×f(T)×f(W)       （4）

其中最大光能利用率ε^*的量化方法是利用Michaelis-Menten模型进行拟合得到，不同植被类型ε^*的模型拟合量化值为表1所示：

表1：ε^*的模型拟合量化值

植被类型	针叶林	阔叶林	灌丛	草地	农田	非植被
							ε*（gC/MJ）	1.98	2.53	1.58	0.92	3.864	0

f（T）的计算方法为：

$f\left(T\right)=\left\{\begin{array}{c}\frac{\log (T+1)}{\log (T_{\mathrm{opt}}+1)}...........................T<T_{\mathrm{opt}}\\ \cos (\frac{T-T_{\mathrm{opt}}}{T_{\max }-T_{\mathrm{opt}}}\&times;\frac{\mathrm{\&pi;}}{2}).............T\&GreaterEqual;T_{\mathrm{opt}}\\ 0....................................T<0\end{array}\right.---\left(13\right)$

式中T为8天日平均温度，T_opt为植被光合的最适宜温度，T_max为植被光合的最高温度。

f(W)=0.5+NDWI        （14）

$\mathrm{NDWI}=\frac{{\mathrm{\&rho;}}_{\mathrm{NIR}}-{\mathrm{\&rho;}}_{\mathrm{SWIR}}}{{\mathrm{\&rho;}}_{\mathrm{NIR}}+{\mathrm{\&rho;}}_{\mathrm{SWIR}}}---\left(15\right)$

式（5）中NDWI为陆地表面水分指数；式（6）中，ρ_NIR为近红外波段反射率，ρ_SWIR为短波红外波段反射率。

S4运用薄盘光滑样条法，按8天的时步长对日平均气温等气象数据进行空间插值，获得时间序列的气象插值数据；

S5运用S-G滤波法对时间序列的植被指数进行去云处理，获得无噪音影响的植被生长季曲线。

S6运用S3获得的关键生理生态参数和气象数据（气象部门测试）代入式（5）和式（7）求得每8天的生态系统初级生产力GPP和呼吸，代入式（8）至（12）：

R_{eco_broadleaf}=0.313GPP+0.299exp(0.056T_a)+0.955       （8）

R_{eco_needleleaf}=0.53GPP+0.435exp(0.061T_a)-0.14        （9）

R_{eco_crop}=0.266GPP+0.308exp(0.094T_a)+0.425            (10)

R_{eco_grass}=0.567GPP+0.3exp(0.049T_a)+0.095             (11)

R_{eco_shrub}=0.663GPP+0.114exp(0.06T_a)+0.092            (12)

由此进行时间累积，最终确定区域陆地生态系统年呼吸量。得到2001年中国国家区域的陆地生态系统呼吸量为5.54Pg C（即式（8）至式（12）计算结果之和）。

与实测值的验证比较：

我国生态网络观测站可以获得站点尺度的生态系统呼吸量，可用以检验局部（1×1km²）生态系统呼吸量。以生态网络观测站中的农田站点为例，比较农田生态观测站观测值与本发明求得的生态系统呼吸量，比较的时间步长为两年，每8天累积一个呼吸量数值，两年共92个数值。与本发明求得的同样时间步长生态系统呼吸量比较，方差R²为0.8095，证明本发明方法计算所得呼吸量与实际测量结果十分吻合。

以阔叶林站点为例，比较阔叶林生态观测站观测值与本发明求得的生态系统呼吸量，与本发明求得的同样时间步长生态系统呼吸量比较，方差R²为0.9120；

以针叶林站点为例，比较针叶林生态观测站观测值与本发明求得的生态系统呼吸量，与本发明求得的同样时间步长生态系统呼吸量比较，方差R²为0.9088；

以草地站点为例，比较草地生态观测站观测值与本发明求得的生态系统呼吸量，与本发明求得的同样时间步长生态系统呼吸量比较，方差R²为0.8125；

以灌丛站点为例，比较该灌丛生态观测站观测值与本发明求得的生态系统呼吸量，与本发明求得的同样时间步长生态系统呼吸量比较，方差R²为0.8167。

本方法利用卫星遥感数据在大尺度空间上的信息表现力，以解决区域尺度陆地生态系统呼吸只考虑温度、水分因素的局限性，既能够在区域尺度上提供更可靠的生态系统呼吸估算方法，又能够避免只考虑温度与水分因素而对大尺度范围内地表覆盖的异质性信息表现力不足的问题。通过与局部观测数值比较，准确性很高。

虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作出一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种基于遥感的区域陆地生态系统呼吸的监测方法，其特征在于，包括步骤：

S1：获取区域范围内的时间序列卫星遥感影像数据；

S2：对地面的关键参量进行遥感反演；

S3：基于土地覆盖或土地利用数据，量化不同植被类型的关键生理生态参数；

S4：按一定的时步长对日平均气温等气象数据进行空间插值，获得时间序列的气象插值数据；

S5：对时间序列的植被指数进行去云处理，获得无噪音影响的植被生长季曲线；

S6：运用S3获得的关键生理生态参数和气象数据求得生态系统初级生产力和呼吸，由此进行时间累积，最终确定区域陆地生态系统年呼吸量。

2.根据权利要求1所述的监测方法，其特征在于，所述S1中区域为省级区域、国家级区域或全球区域；所述卫星遥感影像数据为时间步长为1-30天内的数据。

3.根据权利要求1或2所述的监测方法，其特征在于，所述S2中包括光合有效辐射吸收比例FPAR的遥感反演：

基于能量平衡的原理，利用具有明确物理意义反照率模型计算FPAR在一级近似下FPAR遥感反演模型为：

FPAR=1－α－P_gap+P_gapα_b（1－K_open）     （1）

式（1）中，α是反照率；P_gap是植被冠层的孔隙率,与冠层参数和观测角度有关,是叶面积指数的函数；K_open是冠层开放度，用以描述被背景散射的PAR穿过冠层到达顶部的部分。

4.根据权利要求1或2所述的监测方法，其特征在于，所述冠层孔隙率和冠层开放度利用叶面积指数获取，具体公式为：

P_gap=exp(-LAI·Ω(θ_sun)·G(θ_sun)cosθ_sun)       （2）

$K_{\mathrm{open}}={\&Integral;}_0^{\mathrm{\&pi;}/2}{P}_{\mathrm{gap}}\left(\mathrm{\&theta;}\right)\sin 2\mathrm{\&theta;d\&theta;}---\left(3\right)$

（2）式中，LAI为叶面积指数，Ω（θ_sun）是聚集指数，G（θ_sun）是在太阳天顶角（θ_sun）方向上的消光比率，通过测定植被冠层的结构得出。

5.根据权利要求1或2所述的监测方法，其特征在于，所述S3包括：地表土地覆盖或土地利用的空间差异性较大，基于土地覆盖或土地利用数据，量化区域尺度不同植被类型的关键生理生态参数，其中包括不同植被类型的光能利用率的量化，具体量化方法为：

ε_g=ε^*×f(T)×f(W)         （4）

（4）式中，ε^*为最大光能利用率，f(T)表示气温T对光合作用的影响，f(W)表示水分状况对光合作用的影响。

6.根据权利要求1或2所述的监测方法，其特征在于，所述S6包括：第一步：初级生产力GPP的计算，方法为：

GPP=ε_g×FPAR×Q_PAR           （5）

式（5）中，Q_PAR，植被能进行光合作用的驱动能量，其能量为到达地表的太阳总辐射量的一个分量，通过下式进行计算获得

$Q_{\mathrm{PAR}}=0.48\&times;K_{24}^{\&DownArrow;}\left(t\right)---\left(6\right)$

第二步：生态系统呼吸计算，方法为：

R_eco=a*GPP+b*exp(c*T_a)+d       （7）

式（7）中，a、b、c、d为常数，GPP为总初级生产力，T_a为日平均气温。

7.根据权利要求6所述的监测方法，其特征在于，当所述植被为阔叶林、针叶林、农田、草地或灌丛，所述生态系统呼吸算法分别为：

R_{eco_broadleaf}=0.313GPP+0.299exp(0.056T_a)+0.955      （8）

R_{eco_needleleaf}=0.53GPP+0.435exp(0.061T_a)-0.14       （9）

R_{eco_crop}=0.266GPP+0.308exp(0.094T_a)+0.425           (10)

R_{eco_grass}=0.567GPP+0.3exp(0.049T_a)+0.095            (11)

R_{eco_shrub}=0.663GPP+0.114exp(0.06T_a)+0.092           (12)。