CN116992682B - 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 - Google Patents
阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 Download PDFInfo
- Publication number
- CN116992682B CN116992682B CN202311032420.3A CN202311032420A CN116992682B CN 116992682 B CN116992682 B CN 116992682B CN 202311032420 A CN202311032420 A CN 202311032420A CN 116992682 B CN116992682 B CN 116992682B
- Authority
- CN
- China
- Prior art keywords
- sif
- sun
- shade
- leaf
- leaves
- 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 38
- 229930002875 chlorophyll Natural products 0.000 title claims abstract description 18
- 235000019804 chlorophyll Nutrition 0.000 title claims abstract description 18
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 title claims abstract description 18
- 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 claims abstract description 50
- 230000005855 radiation Effects 0.000 claims abstract description 49
- 230000005284 excitation Effects 0.000 claims abstract description 18
- 230000000243 photosynthetic effect Effects 0.000 claims abstract description 12
- 238000006862 quantum yield reaction Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 9
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 241000037488 Coccoloba pubescens Species 0.000 description 5
- 230000004907 flux Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010672 photosynthesis Methods 0.000 description 3
- 230000029553 photosynthesis Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法，包括以下步骤：(1)获取全球TROPOMI卫星高频SIF数据，基于光谱不变理论消除观测SIF的方向性及其在冠层内部的多次散射效应，得到冠层总激发SIFtotal。(2)基于植被辐射传输理论，分别计算阴叶和阳叶吸收的光合有效辐射，结合SIFtotal，计算得到阴叶和阳叶荧光量子产额。(3)通过SCOPE模型模拟和卫星观测SIF数据，解析阴叶和阳叶SIF和GPP关系模型差异，构建顾及阴叶和阳叶差异的SIF估算GPP模型，提高GPP估算精度。本发明可适用于不同生长环境不同植被类型的GPP估算，提高陆地生态系统总初级生产力监测的精度。
Description
技术领域
本发明属于陆地生态系统碳循环关键参数总初级生产力估算方法研究技术领域，更具体地，涉及一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法。
背景技术
陆地生态系统通过光合作用吸收二氧化碳，在全球碳循环和气候变化中起着重要作用。作为陆地生态系统碳循环最大通量，总初级生产力(Gross primary production,GPP)决定了陆地生态系统的初始物质和能量。因此，准确获取陆地生态系统GPP的时空变化特征，是准确预测未来气候变化方向的重要途径，也是科学认识陆地生态系统对人类社会可持续发展支持能力的重要前提。已有大量研究致力于探索GPP遥感模拟模型的建立，并取得了一定的成果，遥感数据是研究区域尺度GPP时空分布格局的主要有效手段，主要估算模型包括光能利用率模型、统计模型生理生态过程模型等。但是不同模型结构和输入参数导致GPP估算结果有明显差异，精确模拟全球陆地生态系统GPP还存在多重挑战。
日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)是近年来发展起来的新型遥感方法，荧光和光合的紧密联系使得SIF成为GPP估算的有效指标。然而，目前基于SIF估算GPP的研究主要基于大叶模型(即将植被冠层所有叶片视为一个大的叶片)，没有考虑到冠层不同位置叶片接收的太阳辐射等所处环境的差异。植被冠层内阳叶和阴叶的荧光激发效率和光合速率明显不同，导致阳叶和阴叶SIF与GPP之间关系也存在差异。比如基于光合作用与叶绿素荧光耦合模型(SCOPE)模拟结果表明，阴叶和阳叶SIF～GPP关系模型明显不同。忽略阴叶和阳叶的差异会导致SIF估算冠层GPP有明显偏差。
发明内容
提供了本发明以解决现有技术中存在的上述问题。因此，需要一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法，针对现有基于SIF估算GPP模型尚未考虑阳叶和阴叶SIF与GPP关系模型差异，而导致GPP估算精度不足的问题，本发明提供一种具有高效、简单的基于阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法。
根据本发明的第一技术方案，提供一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法，所述方法包括：
根据卫星观测数据中的SIFobs计算SIFtotal，其中SIFobs是卫星观测的观测顶部SIF，SIFtotal是所有叶片激发的SIF；
根据不同植被冠层结构类型计算阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射，根据阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射计算阴阳叶吸收光合有效辐射；
将SIFtotal拆分为SIFsun与SIFshade之和，其中SIFsun是阳叶激发SIF，SIFshade是阴叶激发SIF，基于最小二乘法估算SIFYsun和SIFYshade，计算得到阴叶和阳叶激发SIF；
基于模型模拟，阳叶激发SIF和阴叶激发SIF与GPP模型，分别用非线性和线性模型进行拟合，构建双叶模型。
进一步地，通过如下公式计算SIFtotal：
式中，fesc为SIFtotal逃逸出冠层的概率。
进一步地，通过如下公式计算fesc：
式中，NIRv由红光波段反射率和近红外波段反射率计算得到，i0通过以下公式计算得到：
i0＝1-exp(-0.5×LAI/cos(θs) (16)
其中，LAI是有效叶面积指数，θs是太阳天顶角，Kλ为预设常数。
进一步地，阴阳叶吸收光合有效辐射通过如下公式计算得到：
式中，APARsun和APARshade分别是阳叶和阴叶吸收的光合有效辐射，PARdir和PARdiffuse分别为直散射光合有效辐射，β为叶倾角，LAI是有效叶面积指数，LAIsun和LAIshade为冠层阳叶和阴叶叶面积，C为直射辐射的多次散射项。
进一步地，通过如下公式计算冠层阳叶LAIsun、阴叶叶面积LAIshade、到达地表的漫射辐射PARdiffuse,u以及直射辐射的多次散射项C：
LAIshade＝LAI-LAIsun (5)
C＝0.07×CI×PARdir×(1.1-0.1×LAI)×exp(-cosSZA) (6)
式中，CI为聚集度指数，SZA为太阳天顶角。
进一步地，通过如下公式计算得到阴叶和阳叶激发SIF：
SIFtotal＝SIFsun+SIFshade (8)
SIFsun＝APARsun×SIFYsun (9)
SIFshade＝APARshade×SIFYshade (10)
SIFtotal＝APARsun×SIFYsun+APARshade×SIFYshade (11)
式中SIFsun和SIFshade分别为冠层阳叶和阴叶激发的SIF，SIFYsun和SIFYshade分别为阳叶和阴叶的荧光表观量子产额，为未知量，在预设的周期内，假设SIFYsun和SIFYshade不变，联合N个方程，基于最小二乘法估算SIFYsun和SIFYshade：
当SIFYsun和SIFYshade计算出时，根据公式(10)和公式(11)计算得到阴叶和阳叶激发SIF。
进一步地，构建的双叶模型表示为：
Two-leaf hybrid model:GPP＝(a1×SIFsun)/(SIFsun+a2)+(a3×SIFshade+a4)(13)
式中，Two-leaf hybrid model表示双叶模型，a1、a2、a3和a4表示双叶模型的系数。
进一步地，利用已知数据集对通过所述双叶模型估算的GPP进行精度验证。
根据本发明的第二技术方案，提供一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法装置，所述装置包括：
第一计算模块，被配置为根据卫星观测数据中的SIFobs计算SIFtotal，其中SIFobs是卫星观测的观测顶部SIF，SIFtotal是所有叶片激发的SIF；
第二计算模块，被配置为根据不同植被冠层结构类型计算阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射，根据阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射计算阴阳叶吸收光合有效辐射；
第三计算模块，被配置为将SIFtotal拆分为SIFsun与SIFshade之和，其中SIFsun是阳叶激发SIF，SIFshade是阴叶激发SIF，基于最小二乘法估算SIFYsun和SIFYshade，计算得到阴叶和阳叶激发SIF；
模型构建模块，被配置为基于模型模拟，阳叶激发SIF和阴叶激发SIF与GPP模型，分别用非线性和线性模型进行拟合，构建双叶模型。
根据本发明的第三技术方案，提供一种可读存储介质，所述可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的方法。
本发明至少具有以下有益效果：
(1)本发明估算的GPP精度优于大叶模型，具有较高的计算效率；
(2)本发明在冠层结构复杂的植被类型更具有优势，具有较高的GPP计算精度。
(3)本发明提出的方法适用于不同植被类型、不同生育期、不同植被覆盖度，可广泛用于植被GPP监测，监测精度高。
附图说明
图1示出了根据本发明实施例的一种基于图元范数偏度度量的阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法的流程图。
图2示出了(A)大叶模型和(B)双叶模型(本申请提出的模型)在全球80个通量站点GPP估算值与实测值的比较图。
图3示出了根据本发明实施例的一种基于图元范数偏度度量的阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的装置的结构图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述，但不作为对本发明的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
目前基于SIF估算GPP的研究主要基于大叶模型(即将植被冠层所有叶片视为一个大的叶片)，没有考虑到冠层不同位置叶片接收的太阳辐射等所处环境的差异。本发明将发展一种冠层阴叶和阳叶SIF拆分方法，构建顾及阴叶和阳叶差异的SIF估算GPP模型，提高GPP估算精度。该模型不仅能够阐明SIF～GPP模型机理，且具有高的计算精度和简单实用的特点，能够适用于不同时空尺度GPP计算的需要。
因此，本发明实施例提出一种基于图元范数偏度度量的阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法，结合图1和图2所示，该方法包括如下步骤：
(1)基于光谱不变理论的冠层总激发SIFtotal计算
本实施基于全球TROPOMI SIF数据，数据包括所有植被类型全生长季，剔除云量值大于0.3和太阳天顶角大于70°的采样点，同步提取MCD15A2H LAI数据，提取基于MCD19A3BRDF参数模拟的R和NIR反射率数据，基于公式(1)、(15)-(16)计算得到SIFtotal。
其中，fesc为SIFtotal逃逸出冠层的概率，SIFobs是卫星观测的观测顶部SIF。
i0通过以下公式计算得到：
i0＝1-exp(-0.5×LAI/cos(θs) (16)
其中，LAI是有效叶面积指数，LAI由LAI2000测得或通过真实叶面积指数和聚集指数(CI)的乘积得到。θs是太阳天顶角。Kλ设置为1.2。
(2)阴叶和阳叶激发SIF拆分方法
(2.1)阴阳叶吸收光合有效辐射计算
本实施例基于MERRA-2重分析数据获取日尺度PARdirect和PARdiffuse参数，结合MCD15A2H LAI数据，根据公式(2-7)计算得到植被冠层阴叶和阳叶分别吸收吸收的光合有效辐射。叶倾角β设置为60°。
式中，APARsun和APARshade分别是阳叶和阴叶吸收的光合有效辐射，PARdirect和PARdiffuse分别为直散射光合有效辐射。β为叶倾角，设置为60°。LAIsun和LAIshade为冠层阳叶和阴叶叶面积，计算如下：
LAIshade＝LAI-LAIsun (5)
C＝0.07×CI×PARdir×(1.1-0.1×LAI)×exp(-cosSZA) (6)
式中CI为聚集度指数，SZA为太阳天顶角。
PARdirect和PARdiffuse数据从MERRA-2重分析数据获取。
LAI数据从MCD15A2H数据获取。
(2.2)阴叶和阳叶激发SIF计算
由于TROPOMI采样重放周期大致为1-2天，为了求解方程(11)，则需要在像元尺度上增加时间观测数量，在短期内(比如1周)植被生长参数(比如叶绿素含量)变化较小，此时可假设SIFYsun和SIFYshade不变，所以可以联合N(N是在一个固定周期内TROPOMI SIF观测个数)个方程(公式13)基于最小二乘法估算SIFYsun和SIFYshade：
SIFtotal＝SIFsun+SIFshade (8)
SIFsun＝APARsun×SIFYsun (9)
SIFshade＝APARshade×SIFYshade (10)
SIFtotal＝APARsun×SIFYsun+APARshade×SIFYshade (11)
式中SIFsun和SIFshade分别为冠层阳叶和阴叶激发的SIF，SIFYsun和SIFYshade分别为阳叶和阴叶的荧光表观量子产额，为未知量。在短期内(比如1周)，植被生长参数(比如叶绿素含量)变化较小，此时可假设SIFYsun和SIFYshade不变，所以可以联合N个方程(公式13)基于最小二乘法估算SIFYsun和SIFYshade：
当SIFYsun和SIFYshade计算出，可根据公式(10)和公式(11)计算得到阴叶和阳叶激发SIF(SIFsun和SIFshade)。
N是在一个固定周期内TROPOMI SIF观测个数。
公式(11)的求解需要在1°×1°滑动窗口以增加观测样本点数。
(3)基于阴叶和阳叶激发SIF的GPP估算建模
SCOPE v2.0模型能够模拟光照和阴影叶片的SIF和GPP。SCOPE模型利用不同气象、植被结构、生化参数以及太阳-目标观测几何来模拟SIF的吸收和散射。主要参数列于表1，其他输入参数设置为原始SCOPE模型中的默认值。基于双叶模型的GPP估算称为“Two-leafhybrid model”，基于未考虑阴阳叶的SIF-GPP模型称为“Big-leaf linear model”。
表1 SCOPE模型的输入参数设置
根据SCOPE模型模拟结果，确定双叶模型(Two-leaf hybrid model:)：阳叶SIFsun～GPP为双曲线拟合，阴叶SIFshade～GPP为线性拟合。大叶模型(Big-leaf linear model)：SIF～GPP为线性拟合。
Two-leaf hybrid model:GPP＝(a1×SIFsun)/(SIFsun+a2)+(a3×SIFshade+a4)(13)
Big-leaf linear model:GPP＝a5×SIFtotal+a6 (14)
式中，Two-leaf hybrid model表示双叶模型，a1、a2、a3和a4表示双叶模型的系数。a5、a6表示大叶模型的系数。
(4)基于涡度通量观测的精度验证：利用AmeriFlux，European Flux和OzFLUX的等数据集对基于本专利提出方法估算的GPP进行精度验证。
(5)基于国际主流全球GPP的对比分析：基于公式(15)-(16)生成全球GPP产品后，与主流GPP产品(例如：TL-LUE，VPM，PML v2，FLUXCOM和FluxSat v2)在不同时空尺度上进行对比分析。为了方便比较，除了FLUXCOM合成到0.5°，其他所有的GPP产品都合成到0.2°。其中，TL-LUE产品还提供了全球的阴叶GPP和阳叶GPP产品，可以与本发明生成的全球阴叶SIF和阳叶SIF产品在不同时空尺度上进行对比分析。
本发明实施例还提供一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法装置，如图3所示，所述装置300包括：
第一计算模块301，被配置为根据卫星观测数据中的SIFobs计算SIFtotal，其中SIFobs是卫星观测的观测顶部SIF，SIFtotal是所有叶片激发的SIF；
第二计算模块302，被配置为根据不同植被冠层结构类型计算阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射，根据阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射计算阴阳叶吸收光合有效辐射；
第三计算模块303，被配置为将SIFtotal拆分为SIFssun与SIFshade之和，其中SIFssun是阳叶激发SIF，SIFshade是阴叶激发SIF，基于最小二乘法估算SIFYsun和SIFYshade，计算得到阴叶和阳叶激发SIF；
模型构建模块304，被配置为基于模型模拟，阳叶激发SIF和阴叶激发SIF与GPP模型，分别用非线性和线性模型进行拟合，构建双叶模型。
在一些实施例中，所述第一计算模块被进一步配置为通过如下公式计算SIFtotal：
式中，fesc为SIFtotal逃逸出冠层的概率。
在一些实施例中，所述第一计算模块被进一步配置为通过如下公式计算fesc：
式中，NIRv由红光波段反射率和近红外波段反射率计算得到，i0通过以下公式计算得到：
i0＝1-exp(-0.5×LAI/cos(θs) (16)
其中，LAI是有效叶面积指数，θs是太阳天顶角，Kλ为预设常数。
在一些实施例中，所述第二计算模块被进一步配置为阴阳叶吸收光合有效辐射通过如下公式计算得到：
式中，APARsun和APARshade分别是阳叶和阴叶吸收的光合有效辐射，PARdir和PARdiffuse分别为直散射光合有效辐射，β为叶倾角，LAI是有效叶面积指数，LAIsun和LAIshade为冠层阳叶和阴叶叶面积，C为直射辐射的多次散射项。
在一些实施例中，所述第二计算模块被进一步配置为通过如下公式计算冠层阳叶LAIsun、阴叶叶面积LAIshade、到达地表的漫射辐射PARdiffuse,u以及直射辐射的多次散射项C：
LAIshade＝LAI-LAIsun (5)
C＝0.07×CI×PARdir×(1.1-0.1×LAI)×exp(-cosSZA) (6)
式中，CI为聚集度指数，SZA为太阳天顶角。
在一些实施例中，所述第三计算模块被进一步配置为通过如下公式计算得到阴叶和阳叶激发SIF：
SIFtotal＝SIFsun+SIFshade (8)
SIFsun＝APARsun×SIFYsun (9)
SIFshade＝APARshade×SIFYshade (10)
SIFtotal＝APARsun×SIFYsun+APARshade×SIFYshade (11)
式中SIFsun和SIFshade分别为冠层阳叶和阴叶激发的SIF，SIFYsun和SIFYshade分别为阳叶和阴叶的荧光表观量子产额，为未知量，在预设的周期内，假设SIFYsun和SIFYshade不变，联合N个方程，基于最小二乘法估算SIFYsun和SIFYshade：
当SIFYsun和SIFYshade计算出时，根据公式(10)和公式(11)计算得到阴叶和阳叶激发SIF。
在一些实施例中，所述模型构建模块被进一步配置为构建的双叶模型表示为：
Two-leaf hybrid model:GPP＝(a1×SIFsun)/(SIFsun+a2)+(a3×SIFshade+a4)(13)
式中，Two-leaf hybrid model表示双叶模型，a1、a2、a3和a4表示双叶模型的系数。
需要说明的是，如上各个实施例所描述的装置与在先阐述的方法属于同一技术构思，其能起到同样的有益效果，此处不赘述。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的发明的特征对于任一权利要求是必要的意图。相反，本发明的主题可以少于特定的发明的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
Claims (4)
1.一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法，其特征在于，所述方法包括：
根据卫星观测数据中的SIFobs计算SIFtotal，其中SIFobs是卫星观测的观测顶部SIF，SIFtotal是所有叶片激发的SIF；
根据不同植被冠层结构类型计算阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射，根据阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射计算阴阳叶吸收光合有效辐射；
将SIFtotal拆分为SIFsun与SIFshade之和，其中SIFsun是阳叶激发SIF，SIFshade是阴叶激发SIF，基于最小二乘法估算SIFYsun和SIFYshade，计算得到阴叶和阳叶激发SIF；
基于模型模拟，阳叶激发SIF和阴叶激发SIF与GPP模型，分别用非线性和线性模型进行拟合，构建双叶模型；
通过如下公式计算SIFtotal：
式中，fesc为SIFtotal逃逸出冠层的概率；
通过如下公式计算fesc：
式中，NIRv由红光波段反射率和近红外波段反射率计算得到，i0通过以下公式计算得到：
i0＝1-exp (-0.5×LAI/cos (θs) ) (16)
其中，LAI是有效叶面积指数，θs是太阳天顶角，Kλ为预设常数；
阴阳叶吸收光合有效辐射通过如下公式计算得到：
式中，APARsun和APARshade分别是阳叶和阴叶吸收的光合有效辐射，PARdir和PARdiffuse分别为阴叶与阳叶直散射光合有效辐射，β为叶倾角，LAI是有效叶面积指数，LAIsun和LAIshade为冠层阳叶和阴叶叶面积，C为直射辐射的多次散射项，PARdiffuse,u为到达地表的漫射辐射；
通过如下公式计算冠层阳叶LAIsun、阴叶叶面积LAIshade、到达地表的漫射辐射PARdiffuse,u以及直射辐射的多次散射项C：
LAIshade＝LAI-LAIsun (5)
C＝0.07×CI×PARdir×(1.1-0.1×LAI)×exp (-cosθs) (6)
式中，CI为聚集度指数；
通过如下公式计算得到阴叶和阳叶激发SIF：
SIFtotal＝SIFsun+ SIFshade (8)
SIFsun＝APARsun×SIFYsun (9)
SIFshade＝APARshade×SIFYshade (10)
SIFtotal＝APARsun×SIFYsun+APARshade×SIFYshade (11)
式中SIFYsun和SIFYshade分别为阳叶和阴叶的荧光表观量子产额，为未知量，在预设的周期内，假设SIFYsun和SIFYshade不变，联合N个方程，基于最小二乘法估算SIFYsun和SIFYshade：
当SIFYsun和SIFYshade计算出时，根据公式(9)和公式(10)计算得到阴叶和阳叶激发SIF；
构建的双叶模型表示为：
Two-leaf hybrid model:GPP＝(a1×SIFsun)/(SIFsun+a2)+(a3×SIFshade+a4)(13)
式中，Two-leaf hybrid model表示双叶模型，a1、a2、a3和a4表示双叶模型的系数。
2.根据权利要求1所述的方法，其特征在于，利用已知数据集对通过所述双叶模型估算的GPP进行精度验证。
3.一种阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的装置，其特征在于，所述装置包括：
第一计算模块，被配置为根据卫星观测数据中的SIFobs计算SIFtotal，其中SIFobs是卫星观测的观测顶部SIF，SIFtotal是所有叶片激发的SIF；
第二计算模块，被配置为根据不同植被冠层结构类型计算阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射，根据阴叶与阳叶的叶面积指数及阴叶与阳叶分别接收到的直散射辐射计算阴阳叶吸收光合有效辐射；
第三计算模块，被配置为将SIFtotal拆分为SIFsun与SIFshade之和，其中SIFsun是阳叶激发SIF，SIFshade是阴叶激发SIF，基于最小二乘法估算SIFYsun和SIFYshade，计算得到阴叶和阳叶激发SIF；
模型构建模块，被配置为基于模型模拟，阳叶激发SIF和阴叶激发SIF与GPP模型，分别用非线性和线性模型进行拟合，构建双叶模型；
所述第一计算模块被进一步配置为通过如下公式计算SIFtotal：
式中，fesc为SIFtotal逃逸出冠层的概率；
所述第一计算模块被进一步配置为通过如下公式计算fesc：
式中，NIRv由红光波段反射率和近红外波段反射率计算得到，i0通过以下公式计算得到：
i0＝1-exp (-0.5×LAI/cos (θs)) (16)
其中，LAI是有效叶面积指数，θs是太阳天顶角，Kλ为预设常数；
所述第二计算模块被进一步配置为阴阳叶吸收光合有效辐射通过如下公式计算得到：
式中，APARsun和APARshade分别是阳叶和阴叶吸收的光合有效辐射，PARdir和PARdiffuse分别为直散射光合有效辐射，β为叶倾角，LAI是有效叶面积指数，LAIsun和LAIshade为冠层阳叶和阴叶叶面积，C为直射辐射的多次散射项，PARdiffuse,u为到达地表的漫射辐射；
所述第二计算模块被进一步配置为通过如下公式计算冠层阳叶LAIsun、阴叶叶面积LAIshade、到达地表的漫射辐射PARdiffuse,u以及直射辐射的多次散射项C：
LAIshade＝LAI-LAIsun (5)
C＝0.07×CI×PARdir×(1.1-0.1×LAI)×exp (-cosθs) (6)
式中，CI为聚集度指数；
所述第三计算模块被进一步配置为通过如下公式计算得到阴叶和阳叶激发SIF：
SIFtotal＝SIFsun+SIFshade (8)
SIFsun＝APARsun×SIFYsun (9)
SIFshade＝APARshade×SIFYshade (10)
SIFtotal＝APARsun×SIFYsun+APARshade×SIFYshade (11)
式中SIFsun和SIFshade分别为冠层阳叶和阴叶激发的SIF，SIFYsun和SIFYshade分别为阳叶和阴叶的荧光表观量子产额，为未知量，在预设的周期内，假设SIFYsun和SIFYshade不变，联合N个方程，基于最小二乘法估算SIFYsun和SIFYshade：
当SIFYsun和SIFYshade计算出时，根据公式(9)和公式(10)计算得到阴叶和阳叶激发SIF；
所述模型构建模块被进一步配置为构建的双叶模型表示为：
Two-leaf hybrid model:GPP＝(a1×SIFsun)/(SIFsun+a2)+(a3×SIFshade+a4) (13)
式中，Two-leaf hybrid model表示双叶模型，a1、a2、a3和a4表示双叶模型的系数。
4.一种可读存储介质，其特征在于，所述可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至2中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311032420.3A CN116992682B (zh) | 2023-08-16 | 2023-08-16 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311032420.3A CN116992682B (zh) | 2023-08-16 | 2023-08-16 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116992682A CN116992682A (zh) | 2023-11-03 |
| CN116992682B true CN116992682B (zh) | 2024-03-19 |
Family
ID=88531966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311032420.3A Active CN116992682B (zh) | 2023-08-16 | 2023-08-16 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116992682B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
| CN108399393A (zh) * | 2018-03-09 | 2018-08-14 | 河北省科学院地理科学研究所 | 一种基于荧光遥感的植被冠层阴阳叶检测方法 |
| CN108693154A (zh) * | 2018-04-25 | 2018-10-23 | 南京大学 | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 |
| CN108920857A (zh) * | 2018-07-10 | 2018-11-30 | 南京大学 | 一种高计算效率的日光诱导叶绿素荧光的模拟方法 |
| CN109900672A (zh) * | 2019-04-02 | 2019-06-18 | 中国人民解放军战略支援部队航天工程大学 | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 |
-
2023
- 2023-08-16 CN CN202311032420.3A patent/CN116992682B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
| CN108399393A (zh) * | 2018-03-09 | 2018-08-14 | 河北省科学院地理科学研究所 | 一种基于荧光遥感的植被冠层阴阳叶检测方法 |
| CN108693154A (zh) * | 2018-04-25 | 2018-10-23 | 南京大学 | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 |
| CN108920857A (zh) * | 2018-07-10 | 2018-11-30 | 南京大学 | 一种高计算效率的日光诱导叶绿素荧光的模拟方法 |
| CN109900672A (zh) * | 2019-04-02 | 2019-06-18 | 中国人民解放军战略支援部队航天工程大学 | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Zbynek Malenovský等.Discrete anisotropic radiative transfer modelling of solar-induced chlorophyll fluorescence: Structural impacts in geometrically explicit vegetation canopies.《Remote Sensing of Environment》.2021,第263卷1-24. * |
| 詹春晖 等.日光诱导叶绿素荧光辐射传输模型研究进展.《 遥感学报》.2020,第24卷(第8期),945-957. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116992682A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Reduction of structural impacts and distinction of photosynthetic pathways in a global estimation of GPP from space-borne solar-induced chlorophyll fluorescence | |
| Lu et al. | Comparison of total emitted solar-induced chlorophyll fluorescence (SIF) and top-of-canopy (TOC) SIF in estimating photosynthesis | |
| WO2023087630A1 (zh) | 一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法 | |
| CN102393238B (zh) | 一种草地地上干物质量遥感估测方法 | |
| CN106446564A (zh) | 一种植被净初级生产力遥感估算方法 | |
| CN104483271B (zh) | 光学反射模型与微波散射模型协同的森林生物量反演方法 | |
| CN108985588A (zh) | 一种农作物单产遥感估算方法、装置与系统 | |
| Malenovský et al. | Discrete anisotropic radiative transfer modelling of solar-induced chlorophyll fluorescence: Structural impacts in geometrically explicit vegetation canopies | |
| Kuusinen et al. | Measured and modelled albedos in Finnish boreal forest stands of different species, structure and understory | |
| CN109765204A (zh) | 一种基于碳卫星数据的ki夫琅和费暗线反演叶绿素荧光的方法 | |
| CN103335953B (zh) | 一种个体与群体特征相结合的农作物长势遥感评价方法 | |
| Zheng et al. | Photochemical reflectance ratio for tracking light use efficiency for sunlit leaves in two forest types | |
| CN115879836A (zh) | 一种耦合机理模型的大豆作物遥感大区域快速估产方法 | |
| Chen et al. | Leaf chlorophyll contents dominates the seasonal dynamics of SIF/GPP ratio: Evidence from continuous measurements in a maize field | |
| Du et al. | Prospects for solar-induced chlorophyll fluorescence remote sensing from the SIFIS payload onboard the TECIS-1 satellite | |
| Braghiere et al. | The importance of hyperspectral soil albedo information for improving Earth system model projections | |
| CN116992682B (zh) | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 | |
| Zhang et al. | Improving the ability of solar-induced chlorophyll fluorescence to track gross primary production through differentiating sunlit and shaded leaves | |
| Julitta | Optical proximal sensing for vegetation monitoring | |
| Chen et al. | Improving GPP estimates by partitioning green APAR from total APAR in two deciduous forest sites | |
| Zhang et al. | Ground‐Based Multiangle Solar‐Induced Chlorophyll Fluorescence Observation and Angular Normalization for Assessing Crop Productivity | |
| CN106501454A (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
| Morozumi et al. | Row orientation influences the diurnal cycle of solar-induced chlorophyll fluorescence emission from wheat canopy, as demonstrated by radiative transfer modeling | |
| Mac Arthur et al. | Calluna vulgaris foliar pigments and spectral reflectance modelling | |
| CN115271991B (zh) | 一种农作物净初级生产力的估算方法及装置 |
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 |