CN108121854A - 一种基于遥感资料的区域碳通量估算方法 - Google Patents
一种基于遥感资料的区域碳通量估算方法 Download PDFInfo
- Publication number
- CN108121854A CN108121854A CN201711259502.6A CN201711259502A CN108121854A CN 108121854 A CN108121854 A CN 108121854A CN 201711259502 A CN201711259502 A CN 201711259502A CN 108121854 A CN108121854 A CN 108121854A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- data
- target area
- 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)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于遥感资料的区域碳通量估算方法,用中尺度气象模式(WRF)输出结果,为植被光合呼吸模型(VPRM)提供目标区域范围的空间信息和所需的气象场数据;提取高精度植被类型资料(SYNMAP,分辨率为1 km),对目标区域土地利用类型进行分类;通过中高分辨率遥感资料(MODIS09A1)反演得到增强型植被指数(EVI)和地表水分指数(LSWI);将EVI、LSWI等参数通过空间差值方式放入到目标区域格点;针对不同地区特征,采用1年以上历史观测资料,利用光响应方程(Michaelis‑Menten)对这些参数进行优化;最后,基于以上资料,使用VPRM模型对目标区域进行碳通量计算。
Description
技术领域
本发明涉及一种基于遥感资料的区域碳通量估算方法,利用高分辨率遥感资料、高精度植被类型数据和空间地理信息估算给定区域碳通量。
背景技术
自Monteith(1972)提出净初级生产力(NPP,Net primary production)与植物吸收的光合有效辐射(FAPAR,The Fraction of Absorbed Photosynthetically ActiveRadiation)线性相关理论以来,并随着遥感技术和产品的推广和应用,基于卫星遥感数据的光能利用率(LUE,Light Use Efficiency)模型迅速发展起来,如CASA(Carnegie–Ames–Stanford Approach;Potter et al.,1993,1998)、CFix(Carbon Fix;Veroustraete etal.,2002)、CFlux(Carbon Flux;Turner et al.,2006;King et al.,2011)、EC-LUE(EddyCovariance-Light Use Efficiency;Yuan et al.,2007,2010)、VPM(VegetationPhotosynthesis Model;Xiao et al.,2004,2005)和VPRM(Vegetation Photosynthesisand Respiration Model;Mahadevan et al.,2008)等。前几种模型(CASA、CFix、CFlux、EC-LUE)均将FAPAR考虑为NDVI(Normalized difference vegetation index)的线性函数。然而,NDVI已被报道对大气条件,土壤背景及闭合冠层饱和等非常敏感(Huete,et al.,1997),可能会导致GPP(Gross Primary Productivity)的模拟并不可靠。而改进的VPM模型采用FAPAR与EVI(Enhanced Vegetation Index)的函数关系,发现对总初级生产力GPP模拟的更好(Xiao,et al.,2004)。VPRM模型在VPM的基础上添加了呼吸项,可以直接计算NEE,并增加了一个非线性函数来解释总生态系统碳交换量GEE(Gross Ecosystem Exchange)对光的响应。作为光能利用率模型中的一种,VPRM模型具有两大特点:一是需要的参数少,二是输入变量如空气温度、光合有效辐射、植被和水分指数等均可通过观测或由卫星反演资料获取。这些优势使得VPRM在区域碳通量模拟(Mahadevan et al.,2008;Hilton et al.,2013)以及耦合到三维气象模式WRF中反演分析等方面得到了广泛的应用(Ahmadov etal.,2007,2009;Pilla et al.,2011)。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种基于遥感资料的区域碳通量估算方法。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种基于遥感资料的区域碳通量估算方法,其特征在于,包括以下步骤:
(1)采用中尺度气象模式(WRF)输出结果,为植被光合呼吸模型(VPRM)提供目标区域范围的空间信息和所需的气象场数据;得到高分辨率空间信息、气温和向下短波辐射。
(2)通过MODIS卫星反演得一年以上的到地面植被指数资料;所述地面植被指数包括增强型植被指数(EVI)和地表水分指数(LSWI);根据WRF给出的区域范围和空间信息,对MODIS资料进行采样、切割、合并、插补和质量控制,获取EVI、LSWI,并插值到目标区域;
(3)提取高精度植被类型资料(SYNMAP,分辨率为1km),对目标区域土地利用类型进行分类;
(4)针对不同地区特征,根据目标区域内1年以上历史观测资料,利用光响应方程(Michaelis-Menten)对VPRM默认的参数进行优化,以适应目标区域的碳通量估算;
(5)最后,基于所建立的目标区域信息、反演得到的关键数据和优化的参数资料,使用VPRM模型对目标区域进行碳通量估算。
作为优选方案,所述的基于遥感资料的区域碳通量估算方法,其特征在于:所述EVI、LSWI参数通过空间差值方式放入到目标区域格点。
作为优选方案,所述的基于遥感资料的区域碳通量估算方法,其特征在于:使用R语言提取SYNMAP植被类型,由于SYNMAP植被类型分辨率为1km,因此需要与4km分辨率进行配对,将目标区域的植被类型细分为8种类型后再进行空间匹配。
作为优选方案,所述的基于遥感资料的区域碳通量估算方法,其特征在于:VPRM默认的参数包括λ、PAR0、α和β;λ代表最大光量子效率(或最大光能利用率),PAR0代表光合有效辐射的半饱和值;α和β为相关呼吸参数。
作为优选方案,所述的基于遥感资料的区域碳通量估算方法,其特征在于:在VPRM模式中,NEE净生态系统碳交换量的计算包括两部分:由光照驱动计算的总生态系统交换量GEE和由温度驱动的生态系统呼吸项R;其具体表达式如下,
式中,右边第一项代表总生态系统碳交换量GEE,λ代表最大光量子效率(或最大光能利用率),PAR0代表光合有效辐射的半饱和值;PAR代表光合有效辐射,EVI为增强型植被指数,它可用来表征植被吸收的光合有效辐射与光合有效辐射的比例FAPARPAV;Tscale、Wscale和Pscale分别表示温度、水分胁迫和叶面性状对光合作用的影响函数,通过下列各式计算:
其中,T为气温,Tmin、Tmax和Topt分别代表光合作用的最小、最大和最适温度;当空气温度低于Tmin,Tscale取值为0;
LSWI为地表水分指数,LSWImax是每个站点(或模式格点)生长季内最大的LSWI值;
公式(3)右边第2和3项代表呼吸过程对NEE的贡献;其中α和β为相关呼吸参数,可根据观测资料进行优化调整。
作为优选方案,所述的基于遥感资料的区域碳通量估算方法,其特征在于:所述碳通量估算估算时长1年,时间分辨率为1小时,空间分辨率为4km×4km。
有益效果:本发明提供的基于遥感资料的区域碳通量估算方法,利用中高分辨率遥感资料和高精度植被类型数据在区域尺度上的可靠性,可根据中尺度天气模式输出的空间信息,利用R语言自动进行空间差值和模型运算,为解决不同空间分辨率(尤其是区域尺度)的碳通量估算提供了一个准确、实用的方法。
附图说明
图1.VPRM模型之区域估算方法流程图;
图2.南京观测站模拟值与实测值对比;
图3.长江三角洲区域2010年8月1日NEE模拟结果。
具体实施方式
下面结合实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于遥感资料的区域碳通量估算方法,包括以下步骤:
实施例1:以长江三角洲地区为例,通过WRF模拟(如三重嵌套,最内层为南京地区,分辨率为4km x 4km)得到高分辨率空间信息、气温和向下短波辐射。
地面植被指数(EVI,LSWI)由MODIS卫星反演数据所得。我们采用的是美国国家航空航天局Terra卫星搭载的MODIS传感器上的8d平均陆地表面反照率产品MOD09A1,其空间分辨率为500m。蓝(459~479nm),红(620~670nm),NIR(841~875nm)和SWIR(1628~1652nm)4个波段的数据用于植被指数的计算。由于8d间隔的EVI和LSWI变化相对稳定。植被指数可通过以下公式计算:
其中G=2.5,C1=6,C2=7.5,L=1。ρ代表相应波段的地表反照率,下标nir,red,blue和swir分别代表近红外(841~876nm)、红(620~670nm)、蓝(459~479nm)和短波红外波段(1628-1652nm)。利用R语言调用NASA提供的MRT和LDOPE卫星资料处理工具,根据WRF给出的区域范围,对MODIS资料进行采样、切割、合并、插补和质量控制等,获取EVI、LSWI,并插值到目标区域。
使用R语言提取SYNMAP植被类型,由于其分辨率为1km,因此需要与4km分辨率进行配对,将目标区域的植被类型细分为8种类型后在进行匹配。
VPRM默认的参数(λ、PAR0、α和β)是根据北美22个站点通量观测资料拟合得到,不能反映本地特征,因此需要根据目标区域内前几年站点观测数据,使用光响应方程(Michaelis-Menten)对这些参数进行优化。
植被光合呼吸模型(VPRM)估算过程如下:
VPRM模型是一种基于光能利用效率的陆地生态系统诊断模型。它是在VPM(Vegetation Photosynthesis Model)模型的基础上发展而来。同VPM相比,VPRM增加了呼吸项(R)及其相关呼吸参数α和β(在接近冻结温度时呼吸基础率),以及用于反映光合有效辐射的半饱和值参数PAR0。
如图1所示,在VPRM模式中,NEE的计算包括两部分:由光照驱动计算的总生态系统交换量GEE(Gross Ecosystem Exchange)和由温度驱动的生态系统呼吸项R。其具体表达式如下,
式中,右边第一项代表总生态系统碳交换量GEE,λ、PAR0分别代表最大光量子效率(或最大光能利用率)和光合有效辐射的半饱和值。在最适温度、无水分胁迫下的C3植物λ值约为1/6左右(Mahadevan et al.,2008)。PAR代表光合有效辐射,EVI为增强型植被指数,它可用来表征植被吸收的光合有效辐射与光合有效辐射的比例FAPARPAV。Tscale、Wscale和Pscale分别表示温度、水分胁迫和叶面性状对光合作用的影响函数,可通过下列各式计算:
其中,T为气温,Tmin、Tmax和Topt分别代表光合作用的最小、最大和最适温度。当空气温度低于Tmin,Tscale取值为0。将2010~2011年生长旺季的温度每隔3℃分组,并分别计算各温度段的平均温度和GPP,然后分析它们间的关系,得出最适温度Topt为30℃,Tmin和Tmax分别设为0和40℃。
LSWI(Land Surface Water Index)为地表水分指数,LSWImax是每个站点(或模式格点)生长季内最大的LSWI值。公式(3)右边第2和3项代表呼吸过程对NEE的贡献。与其他模型相比,VPRM将呼吸作用简化为温度的线性函数。其中α,β可根据观测资料进行优化调整。
通过实际模拟,以南京观测点为例,图2为南京观测站模拟值与实测值对比;方差R2=0.7,其中区域模拟结果如图3所示。
本方法利用中高分辨率遥感资料和高精度植被类型数据在区域尺度上的可靠性,可根据中尺度天气模式输出的空间信息,利用R语言自动进行空间差值和模型运算,为解决不同空间分辨率(尤其是区域尺度)的碳通量估算提供了一个准确、实用的方法。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于遥感资料的区域碳通量估算方法,其特征在于,包括以下步骤:
(1)采用中尺度气象模式输出结果,为植被光合呼吸模型提供目标区域范围的空间信息和所需的气象场数据;
(2)通过MODIS卫星反演得一年以上的到地面植被指数资料;所述地面植被指数包括增强型植被指数EVI和地表水分指数LSWI;根据WRF给出的区域范围和空间信息,对MODIS资料进行采样、切割、合并、插补和质量控制,获取EVI、LSWI,并插值到目标区域;
(3)提取高精度植被类型资料,对目标区域土地利用类型进行分类;
(4)针对不同地区特征,根据目标区域内1年以上历史观测资料,利用光响应方程对VPRM默认的参数进行优化,以适应目标区域的碳通量估算;
(5)最后,基于所建立的目标区域信息、反演得到的关键数据和优化的参数资料,使用VPRM模型对目标区域进行碳通量估算。
2.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:通过WRF模拟得到高分辨率空间信息、气温和向下短波辐射。
3.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:所述EVI、LSWI参数通过空间差值方式放入到目标区域格点。
4.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:使用R语言提取SYNMAP植被类型,由于SYNMAP植被类型分辨率为1 km,因此需要与4 km分辨率进行配对,将目标区域的植被类型细分为8种类型后再进行空间匹配。
5.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:VPRM默认的参数包括λ、PAR0、α和β;λ代表最大光量子效率或最大光能利用率,PAR0代表光合有效辐射的半饱和值;α和β为相关呼吸参数。
6.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:在VPRM模式中,NEE净生态系统碳交换量的计算包括两部分:由光照驱动计算的总生态系统交换量GEE和由温度驱动的生态系统呼吸项R;其具体表达式如下,
<mrow>
<mi>N</mi>
<mi>e</mi>
<mi>e</mi>
<mo>=</mo>
<mo>-</mo>
<mi>&lambda;</mi>
<mo>&times;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>&times;</mo>
<mi>E</mi>
<mi>V</mi>
<mi>I</mi>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>A</mi>
<mi>R</mi>
</mrow>
<mrow>
<msub>
<mi>PAR</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
</mrow>
</mfrac>
<mo>&times;</mo>
<mi>P</mi>
<mi>A</mi>
<mi>R</mi>
<mo>+</mo>
<mi>&alpha;</mi>
<mo>&times;</mo>
<mi>T</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,右边第一项代表总生态系统碳交换量GEE,λ代表最大光量子效率或最大光能利用率,PAR0代表光合有效辐射的半饱和值;PAR代表光合有效辐射,EVI为增强型植被指数,它可用来表征植被吸收的光合有效辐射与光合有效辐射的比例FAPARPAV;Tscale、Wscale和Pscale分别表示温度、水分胁迫和叶面性状对光合作用的影响函数,通过下列各式计算:
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>L</mi>
<mi>S</mi>
<mi>W</mi>
<mi>I</mi>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>LSWI</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>a</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>L</mi>
<mi>S</mi>
<mi>W</mi>
<mi>I</mi>
</mrow>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,T为气温,Tmin、Tmax和Topt分别代表光合作用的最小、最大和最适温度;当空气温度低于Tmin,Tscale取值为0;
LSWI为地表水分指数,LSWImax是每个站点或模式格点生长季内最大的LSWI值;
公式(3)右边第2和3项代表呼吸过程对NEE的贡献;其中α和β为相关呼吸参数,可根据观测资料进行优化调整。
7.根据权利要求1所述的基于遥感资料的区域碳通量估算方法,其特征在于:所述碳通量估算估算时长1年,时间分辨率为1小时,空间分辨率为4km×4km。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711259502.6A CN108121854A (zh) | 2017-12-04 | 2017-12-04 | 一种基于遥感资料的区域碳通量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711259502.6A CN108121854A (zh) | 2017-12-04 | 2017-12-04 | 一种基于遥感资料的区域碳通量估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108121854A true CN108121854A (zh) | 2018-06-05 |
Family
ID=62229664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711259502.6A Pending CN108121854A (zh) | 2017-12-04 | 2017-12-04 | 一种基于遥感资料的区域碳通量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121854A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896501A (zh) * | 2018-07-07 | 2018-11-27 | 中国科学院南京地理与湖泊研究所 | 一种河流溶解有机碳有效入海通量的遥感估算方法 |
CN110263299A (zh) * | 2019-05-31 | 2019-09-20 | 西南大学 | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 |
CN111537018A (zh) * | 2019-02-06 | 2020-08-14 | 印度电子信息技术部 | 一种估算封存的co2的量的自动碳封存估算系统和方法 |
CN112270293A (zh) * | 2020-11-12 | 2021-01-26 | 扬州大学 | 一种逐日稻田ch4通量的遥感估算方法 |
CN113011003A (zh) * | 2021-02-24 | 2021-06-22 | 中国科学院地理科学与资源研究所 | 生态系统呼吸遥感模型构建方法 |
CN115346120A (zh) * | 2022-08-16 | 2022-11-15 | 中国科学院空天信息创新研究院 | 一种草地地上生物量及其固碳量遥感估算方法 |
CN116070926A (zh) * | 2022-01-21 | 2023-05-05 | 武汉大学 | 一种基于vod数据进行碳储量动态监测可行性的判定方法 |
CN116758999A (zh) * | 2023-08-14 | 2023-09-15 | 中科三清科技有限公司 | 动态植被碳通量模型参数确定方法、装置和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513290A (zh) * | 2013-10-24 | 2014-01-15 | 环境保护部卫星环境应用中心 | 基于遥感的区域陆地生态系统呼吸监测方法 |
CN106770980A (zh) * | 2017-01-23 | 2017-05-31 | 福建师范大学 | 原位测量植物枝干二氧化碳及水通量的测定系统 |
-
2017
- 2017-12-04 CN CN201711259502.6A patent/CN108121854A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513290A (zh) * | 2013-10-24 | 2014-01-15 | 环境保护部卫星环境应用中心 | 基于遥感的区域陆地生态系统呼吸监测方法 |
CN106770980A (zh) * | 2017-01-23 | 2017-05-31 | 福建师范大学 | 原位测量植物枝干二氧化碳及水通量的测定系统 |
Non-Patent Citations (2)
Title |
---|
刁一伟 等: "长江三角洲地区净生态系统二氧化碳通量及浓度的数值模拟", 《大气科学》 * |
刘诚: "基于WRF-VPRM模式的长江三角洲地区CO2生物通量及浓度模拟研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896501A (zh) * | 2018-07-07 | 2018-11-27 | 中国科学院南京地理与湖泊研究所 | 一种河流溶解有机碳有效入海通量的遥感估算方法 |
CN108896501B (zh) * | 2018-07-07 | 2021-02-26 | 中国科学院南京地理与湖泊研究所 | 一种河流溶解有机碳有效入海通量的遥感估算方法 |
CN111537018A (zh) * | 2019-02-06 | 2020-08-14 | 印度电子信息技术部 | 一种估算封存的co2的量的自动碳封存估算系统和方法 |
CN110263299A (zh) * | 2019-05-31 | 2019-09-20 | 西南大学 | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 |
CN112270293A (zh) * | 2020-11-12 | 2021-01-26 | 扬州大学 | 一种逐日稻田ch4通量的遥感估算方法 |
CN112270293B (zh) * | 2020-11-12 | 2024-03-19 | 扬州大学 | 一种逐日稻田ch4通量的遥感估算方法 |
CN113011003A (zh) * | 2021-02-24 | 2021-06-22 | 中国科学院地理科学与资源研究所 | 生态系统呼吸遥感模型构建方法 |
CN116070926A (zh) * | 2022-01-21 | 2023-05-05 | 武汉大学 | 一种基于vod数据进行碳储量动态监测可行性的判定方法 |
CN116070926B (zh) * | 2022-01-21 | 2024-06-07 | 武汉大学 | 一种基于vod数据进行碳储量动态监测可行性的判定方法 |
CN115346120A (zh) * | 2022-08-16 | 2022-11-15 | 中国科学院空天信息创新研究院 | 一种草地地上生物量及其固碳量遥感估算方法 |
CN115346120B (zh) * | 2022-08-16 | 2023-06-20 | 中国科学院空天信息创新研究院 | 一种草地地上生物量及其固碳量遥感估算方法 |
CN116758999A (zh) * | 2023-08-14 | 2023-09-15 | 中科三清科技有限公司 | 动态植被碳通量模型参数确定方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121854A (zh) | 一种基于遥感资料的区域碳通量估算方法 | |
CN109829234B (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
Vazifedoust et al. | Increasing water productivity of irrigated crops under limited water supply at field scale | |
CN103513290B (zh) | 基于遥感的区域陆地生态系统呼吸监测方法 | |
Horie | Global warming and rice production in Asia: Modeling, impact prediction and adaptation | |
CN110276304A (zh) | 基于降尺度的高分辨率植被生产力遥感估算方法 | |
Bannayan et al. | Determining optimum planting dates for rainfed wheat using the precipitation uncertainty model and adjusted crop evapotranspiration | |
CN106446564A (zh) | 一种植被净初级生产力遥感估算方法 | |
KUWAGATA et al. | MeteoCrop DB: an agro-meteorological database coupled with crop models for studying climate change impacts on rice in Japan | |
CN105841847B (zh) | 一种估算地表潜热通量的方法 | |
Wu et al. | Change of winter wheat planting area and its impacts on groundwater depletion in the North China Plain | |
Ohta et al. | Impacts of climate changes on the temperature of paddy waters and suitable land for rice cultivation in Japan | |
CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
Le Page et al. | A life-size and near real-time test of irrigation scheduling with a sentinel-2 like time series (SPOT4-Take5) in Morocco | |
Liu et al. | The dynamic assessment model for monitoring cadmium stress levels in rice based on the assimilation of remote sensing and the WOFOST model | |
CN110263299A (zh) | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 | |
CN112257225A (zh) | 一种适用于高寒草地生态系统的npp计算方法 | |
Wang et al. | Evaluating nitrogen removal by vegetation uptake using satellite image time series in riparian catchments | |
Guermazi et al. | Water irrigation management using remote sensing techniques: a case study in Central Tunisia | |
CN110443504B (zh) | 一种植被净初级生产力的遥感估算方法 | |
Shen et al. | Optimization of Sowing Date, Irrigation, and Nitrogen Management of Summer Maize Using the DSSAT-CERES-Maize Model in the Guanzhong Plain, China | |
Olchev et al. | A modelling approach for simulation of water and carbon dioxide exchange between multi-species tropical rain forest and the atmosphere | |
CN107145666A (zh) | 小麦自然水分亏缺干旱评估模型的gis建模方法 | |
CN106203673A (zh) | 考虑水分胁迫的农作物生物量遥感估算方法 | |
Meng et al. | Monitoring crop phenology with MERIS data—A case study of winter wheat in North China Plain |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |