英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
利用卫星图像和气候数据反演温带落叶阔叶林初级总产量
Xiangming Xiaoa,*, Qingyuan Zhanga, Bobby Braswella, Shawn Urbanskib, Stephen Bolesa, Steven Wofsyb, Berrien Moore IIIa, Dennis Ojimac
复杂系统研究中心，地球研究所，海洋和空间，新罕布什尔大学，durham，nh03824，美国
哈佛大学地球和行星科学系，剑桥，马02138，美国科罗拉多州立大学自然资源生态学实验室，科林斯堡，美国80523
摘要：大气和森林生态系统之间的二氧化碳净生态系统交换（NEE）是由植被和生态系统呼吸的初级总产量（GPP）决定的。在单独的CO2 Eddy通量站点进行的CO2通量测量提供了GPP季节动态的有用信息。在本文中，我们开发并验证了基于卫星的植被光合作用模型（VPM），使用了位于美国马萨诸塞州哈佛森林的温带落叶阔叶林的样方点的二氧化碳通量和气候数据。VPM模型建立在叶片和树冠内光合活性植被和非光合作用植被的概念划分上。它使用卫星衍生的增强植被指数（EVI）、地表水指数（LSWI）、气温和光合活性辐射（PAR）来估计GPP。根据多年（1998-2001年）数据分析表明，与归一化植被差异指数（NDVI）相比，EVI与GPP的线性关系更强。利用Spot-4卫星上的植被（VGT）传感器和Terra卫星上的中等分辨率成像光谱仪（MODIS）传感器的植被指数，对VPM模型进行了两次模拟。预测的GPP值与马萨诸塞州哈佛森林的落叶阔叶林观察到的GPP值相当吻合。这项研究强调了与GPP相关的改善植被指数的生物物理性能，并证明了VPM模型在扩大落叶阔叶林GPP方面的潜力。
版权归D 2004年Elsevier公司所有。
关键词：遥感；调制解调器；植被；二氧化碳通量塔
1、简介
大气和森林生态系统之间的二氧化碳净生态系统交换（NEE）决定了初级总产量和生态系统呼吸的季节性变化。在过去的几十年里，生态系统科学的研究重点是生态系统的净初级生产（NPP），即GPP和自养呼吸（Ra）的区别。近年来，在流量塔地点森林与大气之间不断进行的二氧化碳通量测量（Wofsy等人，1993年）使人们能够更详细地考察森林生态系统的光合活性周期（叶物学）和GPP的森林生态系统。（Falge等人，2002年a，2002年b）。据认为，即使植物生长季节的长度或规模变化不大，也会导致落叶阔叶林中的每年GPP发生巨大变化（Goulden等人，1996年）。1991-2000年哈佛森林年的气候分析还表明，气候和季节气候（例如光照、温度和湿度）调节了温带阔叶林碳吸收的季节性和年际波动（Barford等人，2001年）。森林二氧化碳通量塔址提供了对足迹大小和形状（线性尺寸通常从数百米到1公里）的二氧化碳通量综合测量，这些足迹随塔高、树冠物理特性和风速而变化。这些二氧化碳通量测量的区域外推是一项具有挑战性的任务，因为森林生态系统在复杂的景观和区域中具有巨大的空间异质性和时间动态。
扩大和外推具体地点测量的一种方法（例如，GPP、NPP、NEE）是使用基于过程的生物地球化学模型，由气候、土壤和植被类型的多层数据库驱动（Churkina等人，2003年；Law等人，2000年）。来自塔址的二氧化碳通量数据对于生物地球化学模型的参数化和验证非常有用。另一种扩大区域分析的方法是利用卫星观测和气候数据（Turner等人，2003年a；Xiaeetal，2004年）。a一些卫星建模研究（Behrenfeld等人，2001年；Field等人，1995年；Potter等人，1993年；Princeamp;goward，1995年；Ruimy等人，1994年，1996年；Turner等人，2003年a）使用生产效率模型（PEM）来估计大型空间尺度上的GPP或NPP：
当PAR是一段时间内的光合活性辐射（PAR，MJ/m2）时，FAPAR是植被树冠吸收PAR的分数，如GPP计算中的光使用效率（LUE，GMJ1 PARPAR），en是NPP计算中的LUE。两者通常都被估计为温度、土壤湿度和/或水蒸气压力赤字（VPD）的函数。在这些PEM模型中，FAPAR被估计为与植被相关的植被指数，即归一化差异植被指数的函数（NDVI，Tucker，1979年）：
其中qred和qnir是红色和近红外光谱带的反射率值。高级高分辨率辐射计（AVHRR）传感器传输的每月的NDVI数据，仅有红色和近红外波段用于植被研究，在这些PEM模型中被广泛使用（Prince和Goward，1995年）。
最近，我们开发了一个新的基于卫星的植被光合作用模型（VPM），该模型首次用于估算1998年至2001年美国缅因州Howland的一个常绿针叶树森林的GPP（肖等人，2004年）。VPM模型利用了更多的光谱带（例如蓝色和短波红外（SWIR）的优势，这些光谱带来自先进的光学传感器，如Spot-4卫星上的植被（VGT）传感器，以及NASA Terra和Aqua卫星上的中等分辨率成像光谱仪（MODIS），它们为更好地描述全球范围内的植被提供了更好的潜力。VPM模型的输入数据是增强植被指数（EVI，Huete等人，1997年）、地面地表水指数（LSWI，Xiao等人，2004年）、气温和标准值。EVI使用蓝色、红色和黑色波段的反射率数据计算：
LSWI的计算方法是NIR和SWIR光谱带的代入（Xiae等人，2002年）：
对于图像，我们使用NIR（0.78-0.89）和SWIR（1.58-1.75）波段。对于MODIS图像，我们使用NIR（841-875 nm）和SWIR（1628-1652 nm）波段。
在这项研究中，我们结合分析卫星图像和二氧化碳通量数据从温带落叶阔叶林地点，马萨诸塞州，美国在1998-2001年期间。这项研究的目的是开发和验证基于卫星的VPM模型（肖等人，2004年），用于估计落叶阔叶林的GPP季节性动态。进行了VPM模型的模拟，分别在1998-2001年和2001年使用10天VGT合成图像和8天MODIS合成图像。这项对美国马萨诸塞州哈佛森林多年期卫星图像和二氧化碳通量数据的研究（Wofsy等人，1993年）将帮助我们解决一个重要的问题：从先进光学传感器的遥感图像和气候数据的解释来看，落叶阔叶林的时间动态（季节和年际）可在多大程度上观测和估计。VPM模型使用了来自先进光学传感器和气候数据（温度和标准值）的改进后的植被指数，可能比其他仅使用NDVI的PEM模型提供更准确的全球PP估计。
2、基于卫星数据的VPM模型的简要介绍
2.1.VPM模型的概述
叶片和林冠由光合活性植被（主要为叶绿体）和非光合作用植被（主要为衰老的叶片、枝干）组成。NPV的存在对华盖水平的气垫有显著影响。例如，在树叶面积指数(LAI)低于3.0的森林中，NPV(STEM)使树冠覆盖面积增加了10-40%(Asner等人，1998年)。即使在绿叶内，也有一定比例的非光合成分（如原生、次生和第三代脉管、细胞壁），这取决于叶型和叶龄。非光合吸收的幅度可能不同（例如20-50%），这取决于物种、叶子形态、叶子年龄和生长历史（Hanan等人，1998年、2002年；Lambers等人，1998年）。因此，被林冠覆盖的空间应该分为两个部分：
其中FAPARTOV和FAPARNPV分别代表PAV和NPV吸收的PAR分数。只有PAV吸收的PAR
（FAPARTAV）用于光合成。将FAPAR分割成FAPARTOV和FAPARNPV是一个关键问题，但在遥感界尚未得到广泛讨论。考虑到森林（LUE、g C/mol PAR或g C/MJ PAR）的光能利用效率的已知值，任何解释FAPARPAV的模型都可能会大大地证明对GPP或NPP森林的估计。
基于树叶和树冠中NPV和PAV的概念划分，我们提出了一种新的基于卫星的VPM，用于估计植被光合作用时期的GPP（肖等人，2004年）：
其中PAR为光合活性辐射（Amol/m2/s；光合光子通量密度（PPFD）），或者为光使用效率（Amol co2/Amol MOL PPFD）。光使用效率（如）受温度、水分和叶物学（叶龄）影响：
其中e0是表观量子产量或最大光利用效率（Amol co2/Amol PPFD），tscalar、Wscalar和pscalar分别是温度、水和树叶物候（叶龄）对植被光利用效率影响的向下调节标量。
使用为陆地生态系统模型(TEM)开发的方程式，每一个时间步骤都对标量进行估计(Raich等人，1991年)：
其中Tmin、Tmax和topt是最小、最大和最佳的光合作用温度。如果空气温度低于Tmin，Tscalar被设置为0。
在许多生态系统模型中，水对植物光合作用（Wscalar）的影响被估计为土壤湿度和（或）水的VPD的函数（Field等人，1995年；Prince和Goward，1995年；Run等人，2000年）。例如，在CASA（卡耐基，斯坦福，艾姆斯方法）模型中，土壤湿度是用一层桶模型估算的（Malmstrom等人，1997年）。土壤水分模型的输入数据集（如降水、土壤质地、土壤深度）通常具有较大的空间异质性。在这里，我们探索了一种替代方法，即使用与树叶和树冠含水量相关的卫星植被指数。新一代高级光学传感器（例如VGT和MODIS）的时间序列数据的提供，为通过植被指数方法（CECCATO等人，2002年a，2002年b）和辐射转移建模方法（Zarco-Tejada等人，2003年），在大空间尺度上量化树叶和树冠当量水含量（EWT，g h2o/m2）提供了新的机会。基于NIR和SWIR带的四个与水有关的植被指数已经形成：水分胁迫指数（MSI、HUNT和ROCK，1989年）、土地表层水指数（LSWI、SHOW等人，2002年）、全球植被水分指数（GVNI、CECCATO等人，2001年、2002年a、2002年b）和归一化差水指数（NDWI、GAO，1996年）。在这个VPM模型的第一版中，作为第一阶近似，我们提出了一种替代和简单的方法，使用一种对水敏感的植被指数来估计 Wscalar的季节动态（Xiao等人.，2004）：
在植物生长的季节里，每个像素的最大LSWI是LSWAX。LSWI值的大小是从1到 1，Wscalar（eq.(10))是值范围从0到1的线性标量。
叶龄影响蜕膜林光合能力的季节模式和碳的净生态系统交换（Wilson等人，2001年）。一项研究的结果是，比较了四个二氧化碳通量塔址（一个农田、一个高原草原、一个蜕膜阔叶林和一个北方阔叶林）的日光利用效率，支持纳入云量参数和植被的物候状况（Turner等人，2003年b）。在VPM模型中，考虑了叶龄对树冠光合作用的影响。在这个版本的VPM模型中，Pscalar的计算取决于树叶的寿命（落叶与常绿）。为一个树冠是占主导的叶子预期寿命1年的生长季节（如落叶树），标量作为线性函数在两个不同的阶段计算：
温带落叶林的升水期（从芽爆到全叶膨胀期）较短，通常只持续几周。在我们早先对温带东亚各种植被类型的研究中（Boles等人，出版；Xiao等人，2002年），研究结果表明，与温室气体有关的植被指数的时间序列（例如，以及与水有关的植被指数（LSWI），可用于确定树冠层的升水阶段（从叶面开始到完全展开）和温度/叶面阶段。LSWI值从1到 1（范围为2），最简单的形式是Pscalar。(Eq.(11))是值范围为0到1的线性标量。
对森林中的动物进行准确的估计，是辐射转移模型和实地测量的研究界面临的最具挑战性的任务，因为在树叶和树冠水平上量化动物数量（克/平方米）和动物数量（克/平方米）是非常困难的任务。在这个VPM模型的第一个版本中，植被光合作用时期内的FAPPARPAV被估计为EVI的线性函数（肖等人，2004年）：
在这个VPM模型的第一个版本中，系数a被设置为1.0，表示参数化的最简单情况。基于机载多光谱数据，EVI与农田中的绿赖现象呈线性关联（Boegh等人，2002年）。根据MODIS传感器对EVI的辐射测量和生物物理性能进行的评估表明，EVI对树冠变化仍然敏感（Huete等人，2002年）。在早期的一项研究中，比较了1998至2001年间VGT衍生的NDVI和EVI在北亚的应用，结果表明，EVI对1998年大量火灾产生的气溶胶造成的大气残留污染不太敏感（Shiaet 等人，2003年）。
2.2. VPM模型的参数化
在VPM模型中，需要对单个生物群落的最大光使用效率（e0）进行估计。为了收集落叶阔叶林e0的资料，进行了一次文献调查。在这里，我们使用了e0=0.044 Amol MOL co2/Amol PAR或e0=0.528 g c/mol PAR，这是基于哈佛大学森林研究的一项早期研究（ruimy等人，1995年；Wofsy等人，1993年）。
根据光学传感器和图像数据的时间序列，对特定位置的激光雷达进行估计。在有多年LSWI数据的情况下，计算了各时间复合点（如每日、每周或每10天）多年的平均LSWI值，然后选择光合作用时期内的最大LSWI值作为估计值。
在计算标量、Tmin、Tmax和顶值时，不同植被类型之间存在差异（Aber和Federer，1992年；Raich等人，1991年）。对于温带落叶阔叶林，pnet生态系统模型分别使用了0、20和40JC的Tmin、Topt和Tmax（Aber和Federer，1992年）。该TEM值用于温带森林的Tmin（Raich等人，1991年）。在本研究中，我们用1 JC的Tmin、20 JC的Topt和40
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[24690]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
