CN110443504B - 一种植被净初级生产力的遥感估算方法 - Google Patents
一种植被净初级生产力的遥感估算方法 Download PDFInfo
- Publication number
- CN110443504B CN110443504B CN201910723822.5A CN201910723822A CN110443504B CN 110443504 B CN110443504 B CN 110443504B CN 201910723822 A CN201910723822 A CN 201910723822A CN 110443504 B CN110443504 B CN 110443504B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- plant
- growth
- coefficient
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 45
- 230000012010 growth Effects 0.000 claims abstract description 43
- 230000000243 photosynthetic effect Effects 0.000 claims abstract description 40
- 230000005855 radiation Effects 0.000 claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 230000001651 autotrophic effect Effects 0.000 claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 230000008635 plant growth Effects 0.000 claims abstract description 16
- 239000002689 soil Substances 0.000 claims abstract description 16
- 238000001556 precipitation Methods 0.000 claims abstract description 7
- 241000196324 Embryophyta Species 0.000 claims description 100
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 36
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 18
- 239000001569 carbon dioxide Substances 0.000 claims description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 230000007306 turnover Effects 0.000 claims description 11
- 210000000056 organ Anatomy 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 239000002028 Biomass Substances 0.000 claims description 3
- 230000009102 absorption Effects 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 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 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000004173 biogeochemical cycle Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Cultivation Of Plants (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种植被净初级生产力的遥感估算方法，包括：根据遥感数据中的植被覆盖指数，确定植被吸收的光合有效辐射比率；根据遥感数据中的温度数据和降水等数据，确定得到植被的潜在光合利用率、空气温度对植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，进而确定得到植被的现实光能利用率；然后，在获取植物的维持性呼吸和植物的生长呼吸后，确定得到植物的自养呼吸；接着在获取遥感数据中的光合有效辐射后，结合植被吸收的光合有效辐射比率、植被的现实光能利用率和自养呼吸，就能确定得到植被的净初级生产力。本发明提供的植被净初级生产力的遥感估算方法具有估算精度高和估算效率高的特点。
Description
技术领域
本发明涉及遥感数据分析技术领域，特别是涉及一种植被净初级生产力的遥感估算方法。
背景技术
传统的估算植被净初级生产力，主要在野外设置样方进行野外采样，耗时耗人力，效率低下。且在现有技术中，模型估算生态系统生产力的模型主要有两种：统计模型和光能利用率模型。
其中，统计模型参数简单，操作容易，但是模拟精度不高。光能利用率模型在利用遥感数据作为输入时可以充分考虑地理要素的空间异质性，通常光能利用率模型利用NDVI估算冠层吸收的光合有效辐射APAR，计算光能利用率LUE，从而计算出总初级生产力GPP，但是在光能利用率模型计算得到初级生产力之后，还需要利用其它限制光合作用的环境因子进一步修正潜在的生产力，使得获取的生产力数据存在较大误差。
因此，开发一种具有估算精度高和估算效率高特点的植被净初级生产力估算方法是一个本领域亟待解决的技术问题。
发明内容
本发明的目的是提供一种植被净初级生产力的遥感估算方法，具有估算精度高和估算效率高的特点。
为实现上述目的，本发明提供了如下方案：
一种植被净初级生产力的遥感估算方法，包括：
对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；
提取所述遥感数据中的植被覆盖指数；根据所述植被覆盖指数，确定植被吸收的光合有效辐射比率；
提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对植被生长的影响系数；
提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对植被生长的影响系数和土壤水分缺失对植被生长的影响系数；
根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；
根据所述量子效率，确定C3植物的光合利用率；
获取C4植物占植被的比例；
根据所述C3植物的光合利用率和所述C4植物占植被的比例，确定植被的潜在光合利用率；
根据所确定的植被的潜在光合利用率、空气温度对植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定植被的现实光能利用率；
获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；
获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、植被吸收的光合有效辐射比率、所述植被的现实光能利用率和自养呼吸，确定植被的净初级生产力。
可选的，所述植被吸收的光合有效辐射比率是一个与植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为植被吸收的光合有效辐射比率，NDVI为植被覆盖指数。
可选的，所述空气温度对植被生长的影响系数为：
式中σT为空气温度对植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度。
可选的，所述大气水汽对植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对植被生长的影响系数为：
式中，σS为土壤水分缺失对植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是该区域生长季最大的陆地表层水分指数。
可选的，所述C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度。
可选的，所述C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率；
所述C4植物占植被的比例为：
式中Ta为空气温度，PC4为C4植物占植被的比例。
可选的，所述植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为植被的潜在光合利用率，PC4为C4植物占植被的比例，εC3为C3植物的光合利用率。
可选的，所述植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为植被的现实光能利用率，ε*为植被的潜在光合利用率，σT为空气温度对植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数。
可选的，所述植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
Mi＝VGC×ra，i×(1-1/Turnover)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温。
可选的，所述植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为植被的净初级生产力，PAR为光合有效辐射，FPAR为植被吸收的光合有效辐射比率，ε为植被的现实光能利用率，Ra为自养呼吸。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的植被净初级生产力的遥感估算方法中所采用的光合有效辐射、温度数据和湿度数据等，均可以从气象局所提供的遥感数据集中直接获得，这就能够提高估算过程中的采集数据的效率，进而提高估算效率；同时所采用的对植被净初级生产力进行估算的光合有效辐射、植被吸收的光合有效辐射比率、植被的现实光能利用率和自养呼吸数据均是通过精确计算得到的数据，这就能够提高植被净初级生产力的估算精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例植被净初级生产力的遥感估算方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种植被净初级生产力的遥感估算方法，具有估算精度高和估算效率高的特点。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例植被净初级生产力的遥感估算方法的流程示意图，如图1所示，一种植被净初级生产力的遥感估算方法，包括：
S100、对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；并且对所述遥感数据进行预处理一般是气象局对所述遥感数据进行筛选、分类以及整合等处理。
S101、提取所述遥感数据中的植被覆盖指数；根据所述植被覆盖指数，确定植被吸收的光合有效辐射比率；所述植被吸收的光合有效辐射比率是一个与植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为植被吸收的光合有效辐射比率，NDVI为植被覆盖指数。
S102、提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对植被生长的影响系数；所述空气温度对植被生长的影响系数为：
式中σT为空气温度对植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度。
S103、提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对植被生长的影响系数和土壤水分缺失对植被生长的影响系数；
所述大气水汽对植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对植被生长的影响系数为：
式中，σS为土壤水分缺失对植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是该区域生长季最大的陆地表层水分指数。
S104、根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；
所述C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度，O的取值为20900Pa。
S105、根据所述量子效率，确定C3植物的光合利用率；
所述C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率。
S106、获取C4植物占植被的比例；
一般对于C4植物来说，光合利用率为一个常数2.76gMJ-1。在22℃时，C3和C4植物的光合利用率相等。因此利用这一特点，所述C4植物占植被的比例为：
式中Ta为空气温度，PC4为C4植物占植被的比例。
S107、根据所述C3植物的光合利用率和所述C4植物占植被的比例，确定植被的潜在光合利用率；
所述植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为植被的潜在光合利用率，PC4为C4植物占植被的比例，εC3为C3植物的光合利用率。
S108、根据所确定的植被的潜在光合利用率、空气温度对植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定植被的现实光能利用率；
所述植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为植被的现实光能利用率，ε*为植被的潜在光合利用率，σT为空气温度对植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数。
S109、获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；
所述植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
Mi＝VGC×ra，i×(1-1/Turnover)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温。其中，碳分配系数ra，i和为碳周转比率Turnover由基于过程的生物地球化学循环模型Forest-BGC(forest biogeochemical cycles)获得。
S110、获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、植被吸收的光合有效辐射比率、所述植被的现实光能利用率和自养呼吸，确定植被的净初级生产力；
所述植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为植被的净初级生产力，PAR为光合有效辐射，FPAR为植被吸收的光合有效辐射比率，ε为植被的现实光能利用率，Ra为自养呼吸。
此外，一般植物的生长性呼吸Rg会被认为和温度无关，而只与总初级生产力GPP成比例关系。因此依据植被器官(叶、茎、根)，其给定维持性呼吸系数均为：Rg＝rg×GPP；
式中，rg为植物总的生长性呼吸占总生长量的比例，rg的取值为0.35。
本发明提供的植被净初级生产力的遥感估算方法中所采用的光合有效辐射、温度数据和湿度数据等，均可以从气象局所提供的遥感数据集中直接获得，这就能够提高估算过程中的采集数据的效率，进而提高估算效率；同时所采用的对植被净初级生产力进行估算的光合有效辐射、植被吸收的光合有效辐射比率、植被的现实光能利用率和自养呼吸数据均是通过精确计算得到的数据，这就能够提高植被净初级生产力的估算精度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种植被净初级生产力的遥感估算方法，其特征在于，包括：
对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；
提取所述遥感数据中的植被覆盖指数；根据所述植被覆盖指数，确定植被吸收的光合有效辐射比率；
提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对植被生长的影响系数；所述空气温度对植被生长的影响系数为：
式中σT为空气温度对植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度；
提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对植被生长的影响系数和土壤水分缺失对植被生长的影响系数；
根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；
根据所述量子效率，确定C3植物的光合利用率；
获取C4植物占植被的比例；
根据所述C3植物的光合利用率和所述C4植物占植被的比例，确定植被的潜在光合利用率；
根据所确定的植被的潜在光合利用率、空气温度对植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定植被的现实光能利用率；
获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；
获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、植被吸收的光合有效辐射比率、所述植被的现实光能利用率和自养呼吸，确定植被的净初级生产力。
2.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述植被吸收的光合有效辐射比率是一个与植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为植被吸收的光合有效辐射比率，NDVI为植被覆盖指数。
3.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述大气水汽对植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对植被生长的影响系数为：
式中，σS为土壤水分缺失对植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是区域生长季最大的陆地表层水分指数。
4.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度。
5.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率；
所述C4植物占植被的比例为：
式中Ta为空气温度，PC4为C4植物占植被的比例。
6.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为植被的潜在光合利用率，PC4为C4植物占植被的比例，εC3为C3植物的光合利用率。
7.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为植被的现实光能利用率，ε*为植被的潜在光合利用率，σT为空气温度对植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数。
8.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
Mi＝VGC×ra，i×(1-1/Turnover)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温，T是空气温度。
9.根据权利要求1所述的植被净初级生产力的遥感估算方法，其特征在于，所述植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为植被的净初级生产力，PAR为光合有效辐射，FPAR为植被吸收的光合有效辐射比率，ε为植被的现实光能利用率，Ra为自养呼吸。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910723822.5A CN110443504B (zh) | 2019-07-30 | 2019-07-30 | 一种植被净初级生产力的遥感估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910723822.5A CN110443504B (zh) | 2019-07-30 | 2019-07-30 | 一种植被净初级生产力的遥感估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110443504A CN110443504A (zh) | 2019-11-12 |
| CN110443504B true CN110443504B (zh) | 2022-04-19 |
Family
ID=68433605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910723822.5A Active CN110443504B (zh) | 2019-07-30 | 2019-07-30 | 一种植被净初级生产力的遥感估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110443504B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112257225B (zh) * | 2020-09-16 | 2023-07-14 | 中国科学院地理科学与资源研究所 | 一种适用于高寒草地生态系统的npp计算方法 |
| CN112149295B (zh) * | 2020-09-17 | 2023-07-18 | 中国科学院空天信息创新研究院 | 一种全球通用植被总初级生产力遥感指数估算方法 |
| CN115358095B (zh) * | 2022-10-19 | 2023-03-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 山地高空间分辨率植被总初级生产力估算方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2624238A1 (en) * | 2005-08-17 | 2007-02-22 | Nuvo Ventures, Llc | Method and system for monitoring plant operating capacity |
| CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| CN108166565A (zh) * | 2017-12-25 | 2018-06-15 | 宁波杨古诚文化传播有限公司 | 一种节能环保建筑及其使用方法 |
| CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
-
2019
- 2019-07-30 CN CN201910723822.5A patent/CN110443504B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2624238A1 (en) * | 2005-08-17 | 2007-02-22 | Nuvo Ventures, Llc | Method and system for monitoring plant operating capacity |
| CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| CN108166565A (zh) * | 2017-12-25 | 2018-06-15 | 宁波杨古诚文化传播有限公司 | 一种节能环保建筑及其使用方法 |
| CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110443504A (zh) | 2019-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443504B (zh) | 一种植被净初级生产力的遥感估算方法 | |
| CN110222475B (zh) | 一种基于无人机多光谱遥感反演冬小麦植株含水率的方法 | |
| Ayinde et al. | Evaluation of the effects of climate change on rice production in Niger State, Nigeria | |
| CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
| Selaya et al. | Leaves of pioneer and later‐successional trees have similar lifetime carbon gain in tropical secondary forest | |
| Sano et al. | Carbon dioxide exchange of a larch forest after a typhoon disturbance | |
| Wang et al. | Summer maize growth under different precipitation years in the Huang-Huai-Hai Plain of China | |
| CN112257225B (zh) | 一种适用于高寒草地生态系统的npp计算方法 | |
| CN108152212A (zh) | 基于高时间分辨率和空间分辨率多光谱遥感数据的草地地上生物量反演方法 | |
| Yuan et al. | Vegetation NPP distribution based on MODIS data and CASA model—A case study of northern Hebei Province | |
| CN114128608B (zh) | 一种果园灌溉管理方法及系统 | |
| CN113705937B (zh) | 一种联合机器视觉与作物模型的农田估产方法 | |
| Campbell-Clause | Stomatal response of grapevines to wind | |
| CN114511550A (zh) | 一种鄱阳湖湿地植被净初级生产力的遥感估算方法 | |
| Marcelis et al. | Simulating growth and development of tomato crop | |
| Saavedra et al. | Effects of environmental variables and foliar traits on the transpiration rate of cocoa (Theobroma cacao L.) under different cultivation systems | |
| CN105993720B (zh) | 一种日光温室基质袋培作物灌水量的模拟计算方法 | |
| Bastiaans et al. | Effects of leaf blast on photosynthesis of rice 2. canopy photosynthesis | |
| CN108062602B (zh) | 一种预测温室茄果类作物同化产物产量的方法 | |
| Ying et al. | Calibration and validation of SiBcrop Model for simulating LAI and surface heat fluxes of winter wheat in the North China Plain | |
| Shi et al. | Yield estimation of Lycium barbarum L. based on the WOFOST model | |
| Samanta et al. | Deriving PAR use efficiency of wet season rice from bright sunshine hour data and canopy characteristics | |
| Xu et al. | Modelling the crop yield gap with a remote sensing-based process model: A case study of winter wheat in the North China Plain | |
| CN110414711B (zh) | 一种基于生长季节降雨量的烟草产量预测方法 | |
| Wu et al. | Crop yield estimation in the North China plain from 2001 to 2016 using multi-source remote sensing data and process-based Fgm model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |