CN106599469A - 一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 - Google Patents
一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 Download PDFInfo
- Publication number
- CN106599469A CN106599469A CN201611156690.5A CN201611156690A CN106599469A CN 106599469 A CN106599469 A CN 106599469A CN 201611156690 A CN201611156690 A CN 201611156690A CN 106599469 A CN106599469 A CN 106599469A
- Authority
- CN
- China
- Prior art keywords
- efficiency
- use efficiency
- phyllostachys pubescens
- light use
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法。其步骤是:首先,根据碳通量塔观测技术,获取总初级生产力,再根据总初级生产力除以光合有效辐射计算出光能利用率;其次,利用毛竹林光能利用率与遥感影像反射率及植被指数之间的关系,在遥感影像进行异常值剔除处理基础上,结合偏最小二乘方法和自助法筛选最优变量组合,建立光能利用率反演模型,反演得到毛竹林光能利用率;最后,利用光能利用率反演模型,计算出毛竹林光能利用率,并将计算出的光能利用率乘以光合有效辐射,获取毛竹林总初级生产力,实现基于遥感技术的毛竹林生态系统光能利用率和总初级生产力的动态监测。本方法可以提高毛竹林总初级生产力遥感监测精度。
Description
【技术领域】
本发明属于森林碳汇监测方法领域,具体是一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法。本发明是利用遥感数据与光能利用率之间的相关性,建立一种由光能利用率估计总初级生产力的方法,主要解决了由于最大光能利用率难以获取使得总初级生产力监测不确定性大的问题。
【背景技术】
毛竹是中国的主要竹种,其面积约占中国竹林面积的70%,占世界毛竹林总面积的80%,是竹产区林农经济收入主要来源。诸多研究表明毛竹林具有巨大的固碳潜力,在固碳减排和缓解气候变化方面起到重要的贡献。鉴于毛竹林生态系统的高效固碳潜力,开展毛竹林生态系统碳收支时空分布和变异监测研究有助于了解毛竹林对竹产区域碳收支贡献,可为碳交易提供基础数据,增加林农新的收入渠道。但现有生态模型并未充分考虑毛竹林生物物理参数(叶面积指数、光合参数等)和碳收支过程机理的特殊性,存在适用性差等问题,导致应用于毛竹林时估算精度和稳定性不理想。因此,亟需构建适用于毛竹林生态系统的碳收支模型,提高毛竹林生态系统碳收支时空分布和变异监测精度。
光能利用率模型作为森林生态系统碳收支模型之一,具有较强的理论和实用基础,而且具有驱动参数少和将遥感数据简便地融入模型的优点,广泛应用于模拟区域尺度森林碳收支时空变化。光能利用率(Light Use Efficiency,LUE)是光能利用率模型的一个重要参数。对于不同植被类型甚至相同植被类型,随季节变化,LUE在时间和空间上差异明显,模型应用时将最大LUE设定为常数,必然不能很好地体现毛竹林碳吸收的时空变化,会导致模型模拟值与实测值之间存在较大的偏差。因此,通过遥感影像来模拟LUE时空变异并用于估算毛竹林碳收支,是提高毛竹林碳收支时空变化模拟精确性的一个有效途径。
【发明内容】
鉴于LUE在毛竹林总初级生产力(Gross Primary production,GPP)监测研究中的重要地位。本发明提出一种新的毛竹林GPP监测方法,即首先采用遥感影像数据结合地面观测数据反演出LUE,然后将反演得到的LUE与光合有效辐射(Photosynthetically ActiveRadiation,PAR)相乘得到GPP。
解决上述技术问题的技术方案是按如下步骤进行:
(1)根据通量塔观测数据,计算出GPP和LUE:
根据通量塔观测的净生态系统碳通量、空气温度、土壤温度和PAR,采用Arrhenius呼吸和Michaelis-Menten光合响应曲线模型对缺失数据进行插补,并对碳通量各组分进行分离,获取实测的GPP,然后将GPP除以PAR计算出LUE;
(2)根据步骤(1)的数据,构建基于遥感影像数据的LUE反演模型:
a、参照实测的毛竹林冠层光谱数据,对MODIS遥感反射率进行异常值剔除处理;
b、提取MODIS遥感反射率7个波段的数据(Band1~Band7),并在这7个波段的基础上,构建出归一化植被指数、增强型植被指数和简单比值植被指数这3种植被指数,共10个自变量因子;
c、结合偏最小二乘方法和Bootstrap方法,从10个自变量中筛选出最优自变量组合用于构建LUE反演模型;
d、根据筛选出的最优自变量,采用偏最小二乘方法构建LUE反演模型。
(3)根据步骤(2)构建的模型估算出光能利用率,监测毛竹林生态系统总初级生产力:
将LUE反演模型估算出的LUE乘以PAR,即得到毛竹林GPP监测结果。
本发明具有下列有益效果:能够降低最大LUE不确定性给LUE模型带来的影响,更有效地反映毛竹林LUE在时间和空间的变化,从而在一定程度上提高毛竹林GPP估算精度。
【附图说明】
图1为本发明的流程图。
图2为实测的LUE与预测的LUE对比图。
图3为本发明方法预测的GPP与实测的GPP对比图。
图4为MODIS GPP产品与实测的GPP对比图。
【具体实施方式】
下面结合实施例并参照附图对本发明作进一步详述:
需要说明的是,本发明以安吉县山川乡毛竹林通量观测塔周边500米×500米范围内2011~2013年毛竹林LUE和GPP估算为例,本发明的流程如图1所示。具体步骤如下:
(1)根据通量塔观测数据,计算出GPP和LUE:
根据通量塔观测的净生态系统碳通量、空气温度、土壤温度和PAR,采用Arrhenius呼吸和Michaelis-Menten光合响应曲线模型对缺失数据进行插补,并对碳通量各组分进行分离,获取实测的GPP,然后将GPP除以PAR计算出LUE;
采用夜间半小时尺度观测数据对Arrhenius呼吸方程(式1)进行参数化,然后根据参数化后的呼吸方程插补夜间生态系统呼吸(Ren)和估算白天生态系统呼吸(Red):
式中:Rref为当参考温度Tref等于15℃时的呼吸量;E0为活化能值;Tair为气温,℃;T0为常数-46.02℃;
采用白天生态系统净交换量(Daytime net ecosystem exchange,NEEd)和PAR对Michaelis-Menten光响应曲线模型(式2)参数化,然后根据参数化后的模型对白天缺失数据进行插补:
式中:α是光响应曲线斜率,即光能利用效率,mg CO2W-1s-1;β是光饱和时最大光合速率,mg CO2m-2s-1;
最后,GPP和LUE分别由式(3)和式(4)计算获得:
GPP=NEEd-Red (3)
(2)根据步骤(1)的数据,构建基于遥感影像数据的光能利用率反演模型:
a、参照实测的毛竹林冠层光谱数据,对MODIS反射率进行异常值剔除处理;
根据实测的毛竹林冠层光谱数据分析得出毛竹林冠层在蓝波段的反射率小于0.05,因此将MODIS的蓝波段反射率大于0.05所对应的像元定义为异常值并剔除;
b、提取MODIS的7个波段的反射率数据(Band1~Band7,依次为红波段620-670nm、近红外波段841-876nm、蓝波段459-479nm、绿波段545-565nm、中红外波段1230-1250nm、中红外波段1628-1652nm、中红外波段2105-2155nm),并在这7个波段的基础上,构建出归一化植被指数(NDVI,见式(5))、增强型植被指数(EVI,见式(6))和简单比值植被指数(SR,见式(7))这3个植被指数,共10个自变量因子;
c、结合偏最小二乘方法和Bootstrap方法,从10个自变量中筛选出最优自变量组合用于构建LUE反演模型;
在原始的78个样本中,有放回的抽取60个样本并求出偏最小二乘系数,重复上述步骤100次,得到100组系数。将这100组系数减去由原始样本得到的系数记为将按从小到大的次序排列,再设置检验水平α=0.05,取100×(1-α)处的值βα(j)作为拒绝域临界值;如果则表明βj显著不为0,则自变量xj通过显著性检验,定义为最优自变量;最终,由Band2、Band4和NDVI这3个自变量入选最优自变量组合;
d、根据筛选出的最优自变量组合,采用偏最小二乘方法构建LUE反演模型,见式(8):
采用偏最小二乘拟合,在有效成分等于2时,模型拟合精度最高,其中均方根误差为0.009g C m-2PAR,相对均方根误差15.30%,见图2;
LUE=-0.034-0.269×Band2+0.712×Band4+0.170×NDVI (8)
(3)根据步骤(2)构建的模型估算出光能利用率,监测毛竹林生态系统总初级生产力:
将LUE反演模型估算出的LUE乘以PAR,即得到毛竹林GPP监测结果;
参照图3和图4,通过比较本发明的方法得到GPP预测值、MODIS GPP产品与通量塔实测的GPP发现,本发明方法得到毛竹林GPP预测值相对均方根误差为24.10%,明显要低于MODIS GPP产品的相对均方根误差为36.77%,因此,基于本发明方法估算毛竹林GPP的精度要高于现有的MODIS GPP产品。
Claims (1)
1.一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法,其特征是按如下步骤进行:
(1)根据通量塔观测数据,计算出总初级生产力和光能利用率:
根据通量塔观测数据,采用呼吸和光合响应曲线模型对数据进行插补和分离,获取实测的总初级生产力,然后将总初级生产力除以光合有效辐射计算出光能利用率。
(2)根据步骤(1)的数据,构建基于遥感影像数据的光能利用率反演模型:
a、参照实测的毛竹林冠层光谱数据,对MODIS遥感反射率进行异常值剔除处理;
b、提取MODIS遥感反射率7个波段的数据(Band1~Band7),并在这7个波段的基础上,构建出归一化植被指数、增强型植被指数和简单比值植被指数这3种植被指数,共10个自变量因子;
c、结合偏最小二乘方法和Bootstrap方法,从10个自变量中筛选出最优自变量组合用于构建光能利用率反演模型;
d、根据筛选出的最优自变量,采用偏最小二乘方法构建光能利用率反演模型。
(3)根据步骤(2)构建的光能利用率模型估算出光能利用率,监测毛竹林生态系统总初级生产力:
将光能利用率反演模型估算出的光能利用率乘以光合有效辐射,即得到毛竹林总初级生产力监测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611156690.5A CN106599469A (zh) | 2016-12-07 | 2016-12-07 | 一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611156690.5A CN106599469A (zh) | 2016-12-07 | 2016-12-07 | 一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106599469A true CN106599469A (zh) | 2017-04-26 |
Family
ID=58801508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611156690.5A Pending CN106599469A (zh) | 2016-12-07 | 2016-12-07 | 一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106599469A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及系统 |
CN110174504A (zh) * | 2019-06-12 | 2019-08-27 | 北京师范大学 | 土壤呼吸的估测方法、装置、设备及存储介质 |
CN113516362A (zh) * | 2021-05-17 | 2021-10-19 | 深圳大学 | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 |
CN114331233A (zh) * | 2022-03-15 | 2022-04-12 | 航天宏图信息技术股份有限公司 | 植被总初级生产力估算方法、装置、电子设备及存储介质 |
CN115017460A (zh) * | 2022-05-27 | 2022-09-06 | 北京林业大学 | 植物光环境-固碳效益曲线回归测定方法、系统及介质 |
CN117350082A (zh) * | 2023-12-04 | 2024-01-05 | 南京大学 | 一种净生态系统生产力的计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650587A (zh) * | 2012-05-11 | 2012-08-29 | 中国农业大学 | 基于sebal-hj模型的农作物生物量反演方法 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
CN103886213A (zh) * | 2014-04-03 | 2014-06-25 | 北京大学 | 一种农作物总初级生产力的遥感估算方法及系统 |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN105678091A (zh) * | 2016-01-28 | 2016-06-15 | 华东师范大学 | 一种快速反演湿地植被初级生产力的方法 |
-
2016
- 2016-12-07 CN CN201611156690.5A patent/CN106599469A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650587A (zh) * | 2012-05-11 | 2012-08-29 | 中国农业大学 | 基于sebal-hj模型的农作物生物量反演方法 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
CN103886213A (zh) * | 2014-04-03 | 2014-06-25 | 北京大学 | 一种农作物总初级生产力的遥感估算方法及系统 |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN105678091A (zh) * | 2016-01-28 | 2016-06-15 | 华东师范大学 | 一种快速反演湿地植被初级生产力的方法 |
Non-Patent Citations (4)
Title |
---|
刘恩斌 等: "生物量统一模型构建及非线性偏最小二乘辩识——以毛竹为例", 《生态学报》 * |
徐小军: "遥感结合地面观测的毛竹林碳水通量监测研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
王莉雯 等: "植被光能利用率高光谱遥感反演研究进展", 《测绘与空间地理信息》 * |
郭建茂 等: "基于MODIS的光化学植被指数反演水稻区域光能利用率", 《中国农业气象》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及系统 |
CN110174504A (zh) * | 2019-06-12 | 2019-08-27 | 北京师范大学 | 土壤呼吸的估测方法、装置、设备及存储介质 |
CN113516362A (zh) * | 2021-05-17 | 2021-10-19 | 深圳大学 | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 |
CN113516362B (zh) * | 2021-05-17 | 2024-05-24 | 深圳大学 | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 |
CN114331233A (zh) * | 2022-03-15 | 2022-04-12 | 航天宏图信息技术股份有限公司 | 植被总初级生产力估算方法、装置、电子设备及存储介质 |
CN115017460A (zh) * | 2022-05-27 | 2022-09-06 | 北京林业大学 | 植物光环境-固碳效益曲线回归测定方法、系统及介质 |
CN115017460B (zh) * | 2022-05-27 | 2023-10-13 | 北京林业大学 | 植物光环境-固碳效益曲线回归测定方法、系统及介质 |
CN117350082A (zh) * | 2023-12-04 | 2024-01-05 | 南京大学 | 一种净生态系统生产力的计算方法 |
CN117350082B (zh) * | 2023-12-04 | 2024-03-22 | 南京大学 | 一种净生态系统生产力的计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599469A (zh) | 一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法 | |
CN109884664B (zh) | 一种城市地上生物量光学微波协同反演方法及系统 | |
Huang et al. | Satellite observation of hourly dynamic characteristics of algae with Geostationary Ocean Color Imager (GOCI) data in Lake Taihu | |
CN104915674B (zh) | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 | |
Meier et al. | Evaluating and improving the Community Land Model's sensitivity to land cover | |
CN106446564A (zh) | 一种植被净初级生产力遥感估算方法 | |
CN105809140B (zh) | 一种基于遥感模型的地表水体信息的提取方法及其装置 | |
CN103472008B (zh) | 孵化前期近红外种蛋内鸡胚性别识别方法 | |
Sakamoto et al. | Estimating daily gross primary production of maize based only on MODIS WDRVI and shortwave radiation data | |
CN106372730B (zh) | 利用机器学习的植被净初级生产力遥感估算方法 | |
Zhou et al. | Observation and simulation of net primary productivity in Qilian Mountain, western China | |
CN103712955B (zh) | 一种基于神经网络二次优化的二类水体大气校正方法 | |
CN106291582B (zh) | 一种基于光谱曲线特征分异的森林生物量遥感反演方法 | |
CN110378926B (zh) | 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 | |
CN107239756A (zh) | 基于高分卫星遥感数据结合地物类型的人口密度分析系统 | |
Chen et al. | Global datasets of leaf photosynthetic capacity for ecological and earth system research | |
Gonsamo et al. | Continuous observation of leaf area index at Fluxnet-Canada sites | |
CN114819150A (zh) | 一种极地海洋冬季初级生产力遥感反演方法 | |
CN111160799A (zh) | 一种自然资源数据库构建方法 | |
CN111879915A (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
CN103268587A (zh) | 利用仿建筑用地指数获取城市建筑用地信息的方法 | |
Zhao et al. | Eutrophication and lakes dynamic conditions control the endogenous and terrestrial POC observed by remote sensing: Modeling and application | |
CN116665073A (zh) | 一种基于多源数据的玉米产量遥感估测方法 | |
CN110188955B (zh) | 一种基于叶绿素荧光遥感的大尺度秋粮产量估算方法 | |
CN107239886A (zh) | 基于高分卫星遥感数据的gdp密度分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170426 |