CN110263299A - 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 - Google Patents
一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 Download PDFInfo
- Publication number
- CN110263299A CN110263299A CN201910469705.0A CN201910469705A CN110263299A CN 110263299 A CN110263299 A CN 110263299A CN 201910469705 A CN201910469705 A CN 201910469705A CN 110263299 A CN110263299 A CN 110263299A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- ecosystem
- remote sensing
- flux
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 56
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 title claims abstract description 9
- 230000004907 flux Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 239000002352 surface water Substances 0.000 claims abstract description 12
- 230000001932 seasonal effect Effects 0.000 claims abstract description 7
- 239000002689 soil Substances 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007716 flux method Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法，包括以下步骤：1）野外涡动相关系统观测站点通量数据获取与处理；2）时间序列MODIS遥感数据下载，并计算得到与通量站点尺度匹配的增强型植被指数、叶面积指数、地表水分指数、昼夜平均气温等参数；3）对生态系统呼吸碳排放及其环境变量进行季节动态分析；4）确定关键的环境控制因子；5）建立生态系统呼吸碳排放回归模型；6）利用所得模型估算生态系统呼吸碳排放；7）精度评价与验证。该方法可以实现利用遥感的环境参数产品获取大尺度的高寒草甸生态系统呼吸碳排放数据。
Description
技术领域
本发明涉及一种基于遥感数据反演大区域高寒草甸生态系统呼吸碳排放的估算方法，属于定量遥感的技术领域。
背景技术
草地生态系统作为地球上分布最广泛的植被类型之一，通过生态系统呼吸(Re)的碳排放和植物光合作用(GPP)的碳吸收，在陆地碳循环中发挥着重要的作用。高寒草甸是草地生态系统的重要组成部分，精准评估高寒草甸Re对于准确量化陆地生态系统碳排放及其对气候变化的影响都至关重要。随着基于涡动协方差技术的全球通量站点的建立，实现了高寒草甸生态系统到大气圈碳通量的连续观测，并且可以基于白天或夜间的碳通量的拆分方法拆分成GPP和Re。但是通量站点覆盖范围小，并且建设和维护通量塔的成本较高。遥感技术能提供连续的环境变量数据，为大面积估算Re提供了可行性思路。因此，本方法提供了通过时间序列的MODIS产品建立多元回归模型，对高寒草甸的生态系统呼吸碳排放Re进行估算的方法。
发明内容
本发明目的是针对当前通量站建设维护成本高难以在全球尺度上应用的问题，利用遥感数据实现大范围生态系统呼吸碳排放的反演。
本发明在站点实测生态系统呼吸碳排放的数据基础上，提出并建立能适用大尺度生态系统呼吸碳排放的遥感反演方法，具体步骤如下：
一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法，包括如下步骤：
(1)获取野外通量塔站点观测数据，并进行预处理，获得生态系统呼吸碳排放Re及其相应环境参数的标准数据集；
(2)提取与通量塔站点地理位置及时间匹配的遥感产品，获得增强型植被指数、叶面积指数、地表水分指数及昼夜平均气温参数数据集；
(3)对生态系统呼吸碳排放及其相应环境参数进行季节动态分析及Pearson相关分析，分析基于遥感的各种产品对生态系统呼吸碳排放的影响，确定关键环境控制因子；
(4)基于确立的关键控制因子及生态系统呼吸碳排放数据建立多元逐步回归模型，结合建立的模型对生态系统呼吸碳排放进行反演。
作为本发明的进一步改进，所述步骤(1)中，通量站数据包括涡动相关碳通量数据和自动气象站获取的微气象数据；对站点涡动数据进行插补拆分处理，结合微气象数据整合得到8天尺度的生态系统呼吸碳排放及其相应环境参数的标准数据集。
作为本发明的进一步改进，所述步骤(1)中，所述环境参数包括空气温度Ta、土壤温度Ts、太阳辐射Rg、饱和水汽压差VPD、降水P及土壤含水量SWC。
作为本发明的进一步改进，所述步骤(2)中，所述遥感产品选用MODIS遥感数据。
作为本发明的进一步改进，所述步骤(2)中，获取与通量塔站点地理位置及时间匹配MODIS叶面积指数产品、地表反射率产品、地表温度产品数据，计算获取叶面积指数LAI、增强型植被指数EVI、地表水分指数LSWI及昼夜平均气温LST数据。
作为本发明的进一步改进，所述步骤(3)中用于季节动态分析及Pearson相关分析的环境参数包括步骤(1)获取的环境参数及步骤(2)获取的增强型植被指数、叶面积指数、地表水分指数、昼夜平均气温数据。
作为本发明的进一步改进，所述方法还包括步骤(5)，利用站点观测生态系统呼吸碳排放数据对模型反演结果进行精度评价。
本发明能够克服通量站点尺度小无法在全球范围内应用的缺陷，而借助遥感数据大范围长时间的优势实现大尺度高寒草甸生态系统呼吸碳排放的反演。
附图说明
图1为高寒草甸2013-2017年多年平均生态系统呼吸碳排放在生长季、非生长季与全年的对比图；
图2为2013-2017年8天尺度上生态系统呼吸碳排放Re，空气温度Ta，土壤温度Ts，太阳辐射Rg，饱和水汽压差VPD，降水P，土壤含水量SWC的季节动态图；
图3为2013-2017年叶面积指数LAI、增强型植被指数EVI、地表水分指数LSWI及昼夜平均气温LST季节动态图；
图4为2013-2016年观测的生态系统呼吸碳排放Re_obs和模型估算的生态系统呼吸碳排放Re_mod季节动态和散点图；
图5为2017年观测的生态系统呼吸碳排放Re_obs和模型估算的生态系统呼吸碳排放Re_mod季节动态和散点图。
具体实施方式
阿柔超级站位于我国西北黑河流流域上游，自2012年底开始建立，东西走向，南北宽3km。阿柔站周围的地形相对平坦，从东南向西北缓缓下降，地表覆盖着高寒草甸，年平均气温和年总降水量分别约为0.9℃和403.1mm。下面以位于下垫面为高寒草甸的阿柔站为例对本发明的技术方案进行进一步阐述：
步骤一地面通量塔站点数据的获取及处理
1)查询并下载阿柔通量站点数据，本方法所需要的通量塔站点数据，包括涡动观测数据和自动气象站的微气象数据，原始涡动数据为10Hz，主要获取阿柔站2013-2017年数据，其中涡动数据已经经过WPL矫正、超声虚温矫正、坐标旋转的初步处理；
2)对阿柔站站点涡动数据进行野点剔除、插补拆分等处理，插补拆分处理是使用由马克斯普朗克生物地球化学研究所研发的基于R语言的程序包。拆分公式如下：
NEE＝GPP-Re (1)
结合自动气象站的微气象数据整合得到8天尺度的生态系统呼吸碳排放及气温、降水等数据，包括生态系统呼吸碳排放Re、空气温度Ta、土壤温度Ts、太阳辐射Rg、饱和水汽压差VPD、降水P、土壤含水量SWC；
步骤二遥感数据的下载及相关参数的提取：
3)下载获取2013-2017年与阿柔通量站点位置匹配的MODIS叶面积指数产品、地表反射率产品、地表温度产品数据，从而计算获取叶面积指数LAI、增强型植被指数EVI、地表水分指数LSWI及昼夜平均气温LST等数据，其相关公式如下：
EVI＝2.5*(NIR-RED)/(NIR+6*RED-7.5*BLUE+1) (2)
LSWI＝(NIR-SWIR)/(NIR+SWIR) (3)
其中NIR为近红外、RED为红波段、BLUE为蓝波段、SWIR为短波红外，植被指数LAI有对应遥感产品不需要通过计算，地表温度LST则是白天和夜间的温度遥感产品的平均值；
步骤三对生态系统呼吸碳排放及环境参数进行季节动态分析及Pearson相关分析，分析基于遥感的各种产品对生态系统呼吸碳排放的影响，确定关键环境控制因子；
将生态系统呼吸碳排放Re与环境参数(太阳辐射Rg、地表温度Ta和土壤温度Ts、饱和水汽压差VPD、降水P、土壤含水量SWC)以及相应的遥感产品(增强型植被指数EVI、叶面积指数LAI、地表水分指数LSWI、地表温度LST)分别进行季节动态分析(图2和图3)及Pearson相关分析(表1)。分析表明，呼吸碳排放Re与表征植被长势的增强型植被指数EVI和叶面积指数LAI相关性最强，这主要是由于植被本身是碳排放的主要来源；地表温度LST也呈现出较强的相关性，通常而言，温度越高，呼吸越强。同时，高寒草甸呼吸碳排放Re还受到地表水分指数LSWI的影响；
步骤四基于MODIS遥感产品建立生态系统呼吸碳排放估算模型；
5)基于2013-2016年增强型植被指数EVI、叶面积指数LAI、地表水分指数LSWI、地表温度LST及生态系统呼吸碳排放Re数据进行多元逐步回归模型的建立(表2)，由于表征植被长势的增强型植被指数EVI和叶面积指数LAI都受到地表温度LST的影响，即植被的生长与温度变化息息相关，而二者之间具有很强的自相关性，最终导致统计模型中只有增强型植被指数EVI和地表水分指数LSWI两个参数达到最佳的反演效果；
6)利用模型对2013-2017年生态系统呼吸碳排放Re进行反演；
表1 2013-2017年各环境参数与生态系统呼吸碳排放相关关系
表2高寒草甸生态系统Re遥感估算模型
步骤五利用站点观测生态系统呼吸碳排放数据对模型反演结果进行精度评价；
7)利用2017年站点观测生态系统呼吸碳排放Re数据对模型模拟结果进行精度验证，结果如图5所示。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法，其特征在于，包括如下步骤：
（1）获取野外通量塔站点观测数据，并进行预处理，获得生态系统呼吸碳排放R e 及其相应环境参数的标准数据集；
（2）提取与通量塔站点地理位置及时间匹配的遥感产品，获得增强型植被指数、叶面积指数、地表水分指数及昼夜平均气温参数数据集；
（3）对生态系统呼吸碳排放及环境参数进行季节动态分析及Pearson相关分析，分析基于遥感的各种产品对生态系统呼吸碳排放的影响，确定关键环境控制因子；
（4）基于确立的关键控制因子及生态系统呼吸碳排放数据建立多元逐步回归模型，结合建立的模型对生态系统呼吸碳排放进行反演。
2.根据权利要求1所述的方法，其特征在于，所述步骤（1）中，通量站数据包括涡动相关碳通量数据和自动气象站获取的微气象数据；对站点涡动数据进行插补拆分处理，结合微气象数据整合得到8天尺度的生态系统呼吸碳排放及其相应环境参数的标准数据集。
3.根据权利要求1或2所述的方法，其特征在于，所述步骤（1）中，所述环境参数包括空气温度Ta、土壤温度Ts、太阳辐射Rg、饱和水汽压差VPD、降水P及土壤含水量SWC。
4.根据权利要求1所述的方法，其特征在于，所述步骤（2）中，所述遥感产品选用MODIS遥感数据。
5.根据权利要求1或4所述的方法，其特征在于，所述步骤（2）中，获取与通量塔站点地理位置及时间匹配MODIS叶面积指数产品、地表反射率产品、地表温度产品数据，计算获取叶面积指数LAI、增强型植被指数EVI、地表水分指数LSWI及昼夜平均气温LST数据。
6.根据权利要求1所述的方法，其特征在于，所述步骤（3）中用于季节动态分析及Pearson相关分析的环境参数包括步骤（1）获取的环境参数及步骤（2）获取的增强型植被指数、叶面积指数、地表水分指数、昼夜平均气温数据。
7.根据权利要求1所述的方法，其特征在于，还包括步骤（5），利用站点观测生态系统呼吸碳排放数据对模型反演结果进行精度评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910469705.0A CN110263299A (zh) | 2019-05-31 | 2019-05-31 | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910469705.0A CN110263299A (zh) | 2019-05-31 | 2019-05-31 | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110263299A true CN110263299A (zh) | 2019-09-20 |
Family
ID=67916491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910469705.0A Pending CN110263299A (zh) | 2019-05-31 | 2019-05-31 | 一种基于遥感的高寒草甸生态系统呼吸碳排放估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110263299A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750904A (zh) * | 2019-10-22 | 2020-02-04 | 南京信大气象科学技术研究院有限公司 | 一种基于遥感数据的区域碳储量空间格局监测系统和方法 |
| CN111896680A (zh) * | 2020-07-08 | 2020-11-06 | 天津师范大学 | 基于卫星遥感数据的温室气体排放分析方法及系统 |
| CN112819365A (zh) * | 2021-02-23 | 2021-05-18 | 中国科学院空天信息创新研究院 | 碳汇检测方法、装置及存储介质和电子设备 |
| 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 |
| CN115907178A (zh) * | 2022-11-30 | 2023-04-04 | 中国地质大学（武汉） | 一种净生态系统co2交换量的预测方法 |
| 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 (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592049A (zh) * | 2011-12-30 | 2012-07-18 | 中国科学院东北地理与农业生态研究所 | 一种区域尺度森林生态系统净碳收支获取方法 |
| 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 |
| CN103678914A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感数据的高寒草地土壤呼吸估算方法 |
| 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 |
| CN105938517A (zh) * | 2016-04-13 | 2016-09-14 | 北京师范大学 | 一种估算温带森林水分可利用率的方法 |
| CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
| CN106600434A (zh) * | 2016-10-18 | 2017-04-26 | 河南省农业科学院农业经济与信息研究所 | 基于作物模型与同化技术的作物长势遥感监测方法 |
| CN108121854A (zh) * | 2017-12-04 | 2018-06-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于遥感资料的区域碳通量估算方法 |
-
2019
- 2019-05-31 CN CN201910469705.0A patent/CN110263299A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592049A (zh) * | 2011-12-30 | 2012-07-18 | 中国科学院东北地理与农业生态研究所 | 一种区域尺度森林生态系统净碳收支获取方法 |
| 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 |
| CN103678914A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感数据的高寒草地土壤呼吸估算方法 |
| 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 |
| CN105938517A (zh) * | 2016-04-13 | 2016-09-14 | 北京师范大学 | 一种估算温带森林水分可利用率的方法 |
| CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
| CN106600434A (zh) * | 2016-10-18 | 2017-04-26 | 河南省农业科学院农业经济与信息研究所 | 基于作物模型与同化技术的作物长势遥感监测方法 |
| CN108121854A (zh) * | 2017-12-04 | 2018-06-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于遥感资料的区域碳通量估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张懿 等: ""玛曲高寒草甸夏季近地层微气象和CO_2通量特征分析"", 《冰川冻土》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750904A (zh) * | 2019-10-22 | 2020-02-04 | 南京信大气象科学技术研究院有限公司 | 一种基于遥感数据的区域碳储量空间格局监测系统和方法 |
| CN111896680A (zh) * | 2020-07-08 | 2020-11-06 | 天津师范大学 | 基于卫星遥感数据的温室气体排放分析方法及系统 |
| CN111896680B (zh) * | 2020-07-08 | 2022-07-05 | 天津师范大学 | 基于卫星遥感数据的温室气体排放分析方法及系统 |
| CN112819365A (zh) * | 2021-02-23 | 2021-05-18 | 中国科学院空天信息创新研究院 | 碳汇检测方法、装置及存储介质和电子设备 |
| 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 |
| CN115907178A (zh) * | 2022-11-30 | 2023-04-04 | 中国地质大学（武汉） | 一种净生态系统co2交换量的预测方法 |
| CN115907178B (zh) * | 2022-11-30 | 2023-12-15 | 中国地质大学（武汉） | 一种净生态系统co2交换量的预测方法 |
| 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 |
|---|---|---|
| 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 | |
| Fischer et al. | Spatiotemporal variations in growing season exchanges of CO 2, H 2 O, and sensible heat in agricultural fields of the Southern Great Plains | |
| Liu et al. | Spring green-up date derived from GIMMS3g and SPOT-VGT NDVI of winter wheat cropland in the North China Plain | |
| Wang et al. | Deriving maximal light use efficiency from coordinated flux measurements and satellite data for regional gross primary production modeling | |
| Meijide et al. | Controls of water and energy fluxes in oil palm plantations: Environmental variables and oil palm age | |
| Zhang et al. | Quantifying methane emissions from rice paddies in Northeast China by integrating remote sensing mapping with a biogeochemical model | |
| Montenegro et al. | Improving agricultural water management in the semi-arid region of Brazil: experimental and modelling study | |
| CN110276304A (zh) | 基于降尺度的高分辨率植被生产力遥感估算方法 | |
| Wang et al. | Summer maize growth under different precipitation years in the Huang-Huai-Hai Plain of China | |
| Wang et al. | A three-source satellite algorithm for retrieving all-sky evapotranspiration rate using combined optical and microwave vegetation index at twenty AsiaFlux sites | |
| Chatterjee et al. | Water vapor flux in tropical lowland rice | |
| Varghese et al. | Annual and seasonal variations in gross primary productivity across the agro-climatic regions in India | |
| Ueyama et al. | Optimization of a biochemical model with eddy covariance measurements in black spruce forests of Alaska for estimating CO2 fertilization effects | |
| Guermazi et al. | Water irrigation management using remote sensing techniques: a case study in Central Tunisia | |
| Bolun et al. | Estimating rice paddy areas in China using multi-temporal cloud-free normalized difference vegetation index (NDVI) imagery based on change detection | |
| Vanino et al. | Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy | |
| Tian et al. | Comparison of two optimization algorithms for estimating regional winter wheat yield by integrating MODIS leaf area index and world food studies model | |
| Nafarin et al. | Relationship between normalized difference vegetation index (NDVI) and Rice growth phases in Danda Jaya swamp irrigation area regency Barito Kuala | |
| Muramatsu et al. | Determination of rice paddy parameters in the global gross primary production capacity estimation algorithm using 6 years of JP-MSE flux observation data | |
| Středa et al. | Smart method of agricultural drought regionalization: A winter wheat case study | |
| CN108508156A (zh) | 一种获取野外生境下植物无机碳总同化能力的方法 | |
| CN106777668A (zh) | 一种提高区域干湿度模拟效果的方法 | |
| Du et al. | Evaluating of simulated carbon flux phenology over a cropland ecosystem in a semiarid area of China with SiBcrop | |
| Jayanti et al. | Multitemporal MODIS data to mapping rice field distribution in Bali province of Indonesia based on the temporal dynamic characteristics of the rice plant | |
| Li et al. | An improved threshold method to detect the phenology of winter wheat |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |