基于MODIS影像的藏北高寒草甸的蒸散模拟
基于MODIS和Landsat的青藏高原两代 GIMMS NDVI性能评价
基于MODIS和Landsat的青藏高原两代 GIMMS NDVI性能评价杜加强;王跃辉;师华定;房世峰;何萍;刘伟玲;阴俊齐【期刊名称】《农业工程学报》【年(卷),期】2016(032)022【摘要】GIMMS NDVI dataset must be re-calculated every time when New year’s data are added, due to the GIMMS NDVI data set is dynamic in nature, and this leads to differences between GIMMS NDVI3g and GIMMS NDVIg throughout their overlapping period (1981-2006). How to understand and treat these discrepancies is premise and basis for comprehensive utilizing the datasets of GIMMS NDVIg and GIMMSNDVI3g to scie ntifically detect vegetation’s historic variations, forecast its future tendency and guide the ecological protection and construction. With MODIS NDVI datasets from 2000 to 2012 and 495 Landsat samples of 20 km × 20 km from 2000 to 2006, performances of GI MMS NDVIg and GIMMS NDVI3g were evaluated during the period from 2000 to 2006, and long-term variation of vegetation monitoring used both GIMMS datasets during 1982-2006 were compared and analyzed in this paper. Firstly, absolute values of GIMMS NDVIg, GIMMS NDVI3g and MODIS NDVI with Landsat NDVI were compared. Then, the differences between a Landsat sample-pair (i.e., two 20 × 20 km2 Landsat samples acquired for the same location at different years) and GIMMS NDVIg, GIMMS NDVI3g andMODIS NDVI datasets at the same time points were evaluated. Besides, GIMMS NDVIg and GIMMS NDVI3g with MODIS NDVI during 2000-2006 in term of temporal trends by applying a simple linear regression model based monthly anomalies and the seasonal Mann-Kendall trend test were compared at region, and correlations were conducted at pixel scales. Finally, trends of GIMMS NDVIg with that of GIMMS NDVI3g in three seasons (spring, summer and autumn) and growing season during 1982-2006 were compared at region and pixel scales. The results showed that almost equal capability of capturing variations of seasonal and monthly phenology for both GIMMS datasets was found. The NDVI value of GIMMS NDVI3g was generally larger than that of GIMMS NDVIg, or even larger than NDVI of MODIS NDVI. Compared with GIMMS NDVI3g, patterns and trends of GIMMS NDVIg were more similar to that of MODIS NDVI and Landsat. Although spatial patterns of GIMMS NDVI3g change in growing season during 1982-2006 resembled that of GIMMS NDVIg, wider range characterized significant increase in spring NDVI were detected with GIMMS NDVIg, and the discrepancies between both GIMMS NDVI datasets mainly concentrated in the hinterland of the Tibetan Plateau. The increase trend of vegetation growth in spring using GIMMS NDVIg was more severe than that using GIMMS NDVI3g, but the opposite situation was found in summer. The remarkable difference of NDVI variation in spring may lead to differences in the analysis of the phenology using both GIMMS NDVI datasets of the Qinghai Tibet Plateau. Long-term NDVI datasets are the basic data for many ecological models, the differencesamong these datasets may influence the accuracy of model results. Before conducting the relevant research using NDVI datasets, the applicability of NDVI datasets is needed to evaluate, and it is the premise to obtain more consistent with the actual situation objective results. Combined with other ecological datasets, such as vegetation coverage fraction, leaf area and vegetation production of historical field data is important to identify the similarities and differences between the two GIMMS NDVI datasets and establish a connection between them for reasonably monitoring vegetation dynamics.%由于AVHRR NDVI数据集本质上具有动态变化的特点，使得数据重叠时段（1981－2006年）的第1代GIMMS NDVIg（简称NDVIg）数据集与第3代GIMMS NDVI3g（简称NDVI3g）数据集也不完全相同。
藏北高原不同海拔高寒草甸群落地上部分碳氮含量对模拟增温的响应
生 态环境学报 ２ ０ １ ５ ， ２ ４ （ ７ ） ： １ ０ ９ ３ — １ ０ ９ ７
Ｅｃ ｏ ｌ ｏ ｇ ｙ ａ ｎ ｄ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ
ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗｗ ． ｊ ｅ ｅ ｓ ｃ ｉ ． ｅ ｏ ｍ Ｅ — ｍａ ｉ ｌ ： ｅ ｄ ｉ ｔ ｏ ｒ ＠ｊ ｅ ｅ ｓ ｃ ｉ ． ｃ ｏ ｍ
的碳含量都无显 著影 响 ；对海 拔 ４ ３ ０ ０ｍ ２ ０ １ ２年 ７月 （ 氮含量 ： Ｆ ＝ ０ ． １ ３ ， Ｐ ＝ ０ ． ７ ３ ６ ； 碳 氮 比： Ｆ ＝ ０ ． １ ０ ， Ｐ － ＝ ０ ． ７ ６ ４） 、 ４ ５ ０ ０ ｍ ２ ０ １ １
年 ７月 （ 氮含量 ： Ｆ ＝ ０ ． 叭， Ｐ ＝ ０ ． ９ １ ２ ； 碳氮 比： Ｆ ＝ ０ ． １ ２ ， Ｐ ＝ ０ ． ７ ５ ０） 和２ ０ １ ２年 ７月 （ 氮含量 ： Ｆ ＝ ０ ． ４ ８ ， Ｐ ＝ ０ ． ５ ２ ５ ； 碳氮 比： Ｆ ＝ ０ ． ０ ０ ４ ，
引用格式 ： 付刚， 孙 维 ，李少伟 ，何永 涛 ，沈振西．藏北高原不 同海拔高寒草甸群落地上部分碳氮含量对模拟增温的响应［ Ｊ ］ ．
生态环境学报， ２ ０ １ ５ ， ２ ４ （ ７ ） ： １ ０ ９ ３ — １ ０ ９ ７ ．
MODIS 在青藏高原大范围积雪制图中的应用及存在的问题
由图 ２ 可知， 包含积雪的散点聚集区域与其他地
表类型（ 如水体、植被、裸地） 的聚集区域可以明显地区
分开。由此， 在使用 ＮＤＳＩ 进行积雪像元识别时， 最重要
的就是确定检测阈值。
根 据 Ｊｅｆｆ Ｄｏｚｉｅｒ 等［９］使 用 ＬａｎｄＳａｔ ＴＭ 数 据 制 作 美
国加州内华达山脉积雪图的经验， 当约有 ５０％或更大
Ｋｅ ｙ Ｗｏｒｄｓ ： Ｑｉｎｇｈａｉ － Ｔｉｂｅｔ Ｐｌａｔｅａｕ； ｓｎｏｗ ｍａｐｐｉｎｇ； ｏｐｔｉｃａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ； ｍｏｄｅｒａｔｅ ｒｅｓｏｌｕｔｉｏｎ ｉｍａｇｉｎｇ ｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ
（ＭＯＤＩＳ）； ｎｏｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｓｎｏｗ ｉｎｄｅｒ （ＮＤＳＩ）
我国的积雪区域主要分布在东北、西北和青藏高 原等地区， 这些地区不仅年降雪量大， 而且终年积雪区 域也分布较广。特别是青藏高原地区， 其平均海拔在 ４ ０００ ｍ 以上， 是欧亚大陆重要的积雪地区。高原积雪 是决定高原热力作用的一个重要物理因素， 许多学者 从多种角度研究了高原积雪问题， 从而揭示出高原以 及周边地区的气候变化［３］。为了提取高原积雪的异常信 息， 需要整个高原范围内长期连续的观测资料。因此， 对高原积雪信息的长期积累显得尤其重要。同时， 青藏 高原积雪是亚洲重要的水资源之一。积雪融水不仅是 高原地区最主要的生活和生产用水， 同时也为多条大 河提供了水源。高原积雪变化所引起的融雪径流水资 源年际与年内分配变化， 直接影响到区域水资源的重 新分配。因此， 融雪水资源对区域农业、工业与人民生 活等起着至关重要的作用。
射率值。在使用 Ａｑｕａ 卫星的 ＭＯＤＩＳ 数据时， 由于传感
研究论文（ Ａｒｔｉｃｌｅ ｓ ）
利用MODIS影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力
中国科学D辑:地球科学 2008年 第38卷 第8期: 993~1004 《中国科学》杂志社SCIENCE IN CHINA PRESS利用MODIS影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力伍卫星①②, 王绍强①*, 肖向明③, 于贵瑞④, 伏玉玲④, 郝彦宾⑤① 千烟洲生态试验站, 中国科学院地理科学与资源研究所, 北京 100101;② 中国科学院研究生院, 北京 100049;③ Institute for the Study of Earth, Oceans and Space, University of New Hampshire, Durham, NH 03824, USA;④ 生态系统网络观测与模拟重点实验室, 中国科学院地理科学与资源研究所, 北京 100101;⑤ 中国科学院植物研究所, 北京 100093* 联系人, E-mail: sqwang@收稿日期: 2007-09-12; 接受日期: 2008-07-01中国科学院创新团队计划(编号: CXTD-Z2005-1)、国家重点基础研究发展计划(编号: 2002CB412501)和美国国家航空航天局土地覆被和土地利用变化项目(编号: NAG5-11160, NNG05GH80G)摘要温带草原生态系统与大气间的碳交换通量受到降水和土壤水分可利用性的强烈影响, 时空变化显著. 所以, 整合卫星遥感和田间通量观测成为准确刻画中国北方内蒙古温带草原生态系统区域碳循环动态的重要基础. 基于涡度相关通量观测系统提供的生态系统与大气间的碳交换通量数据, 研究发现: 对于内蒙古锡林郭勒温带草原试验站, 遥感增强植被指数(EVI)与植被总初级生产力(GPP)的相关关系强于归一化植被指数(NDVI)与GPP的关系. 因此, 利用基于EVI的植被光合模型(VPM)对该站点的总初级生产力进行了遥感模拟, 模型的输入包括增强植被指数, 陆地表面水分指数(LSWI), 平均空气温度(Ta)和光合有效辐射(PAR). 对比2003年5月到2005年9月的涡度相关通量观测数据和模型模拟结果发现: 植被光合模型可以准确模拟研究时间段内总初级生产力的季节动态(R2=0.903, N=111, p<0.0001); 研究时间段内模拟的总初级生产力为641.5 g C·m−2, 仅高估了约6%, 且植被光合模型模拟效果优于其他生产效率模型(比如: TURC, MODIS-PSN). 因此, 引进改进的植被指数(比如EVI和LSWI), 植被光合模型可以成功模拟温带草原生态系统的总初级生产力, 可能成为区域碳通量准确模拟的有效工具. 关键词总初级生产力涡度相关遥感锡林郭勒目前, 涡度相关通量观测技术已经被广泛应用于生态系统的CO2, H2O和能量通量的测定, 获得的净生态系统碳交换数据(NEE)为研究生态系统总初级生产力(GPP)和生态系统呼吸(Re)提供了重要的信息[1]. 尽管涡度相关通量观测系统所测定的数据被用来代表整个生态系统与大气间的碳交换状况, 但是, 实际的采样区域却局限于较小的“风浪区(footprint)”(一般在若干公顷之内, 取决于观测塔的高度、风向和下垫面状况)[2]. 同时, 涡度相关通量观测还受到其他因素的限制, 比如: 设备昂贵、观测系统搭建耗时、对观测站点的下垫面要求苛刻、系统维护不易等等, 因此, 并不是所有的生态试验站都可以进行涡度相关通量观测, 进而导致很多地方没有观测数据[3]. 另一方面, 卫星遥感能够提供区域甚至全球的观测覆盖能力,993伍卫星等: 利用MODIS影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力同时可以以固定的时间间隔对生态系统进行采样.所以, 卫星遥感技术在估计区域植被结构和生态系统生产力方面正扮演着越来越重要的角色[4~8]. 为了整合涡度相关通量观测和卫星遥感观测, 进而研究区域的植被生产力和碳循环状况, 对GPP进行准确模拟成为重要的基础步骤[9].很多卫星遥感研究基于生产效率模型(PEM)开展对区域GPP的模拟, 例如TURC[5], MODIS-PSN[7]和GLO-PEM[8]. 在PEM中, GPP被表达成植被冠层吸收光合有效辐射的比例(FPAR canopy)、到达冠层顶部的光合有效辐射(PAR)以及光能利用效率(εg)的乘积.FPAR canopy通常表示为归一化植被指数(NDVI)或叶面积指数(LAI)的函数, 其中, NDVI是与地表植被状况相关的遥感指数, 由红波段和近红外波段的地表反照率计算得到[10]. 然而, 很多研究表明NDVI受到不同因素的影响[11], 其中一些可能会导致利用NDVI数据进行GPP的模拟并不可靠. 同时, 在常见的PEM中, εg要么等同于最大光能利用效率(ε0), 要么表达成受温度(T)、土壤水分(SM)、水气压差(VPD)等环境因子限制的ε0的函数. 但是, 对于4类不同生态系统(分别为农田、草地、落叶林和针叶林)的研究表明: 在进行植被(尤其是落叶林)光能利用效率的模拟时, 物候等生物因素的影响不可忽视[12] (表1).表1 典型生产效率模型(PEM)算法比较模型植被冠层吸收的光合有效辐射比例(FPAR canopy)光能利用效率(εg)TURC f(NDVI) ε0 MODIS-PSN f(NDVI), f(LAI) ε0×T×VPD GLO-PEM f(NDVI) ε0×T×SM×VPD 近年来, 利用改进的光能利用效率模型—“植被光合模型(VPM)”, 研究人员已经成功地实现了对于森林[13~16]和高寒草地等[9]生态系统总初级生产力的模拟. VPM将植被冠层分成光合有效成分(chlorophyll, 叶绿素)以及非光合有效成分(NPV)两类, 进而对植被冠层吸收光合有效辐射的比例进行了区分(认为FPAR canopy包含FPAR chl和FPAR NPV); 同时, VPM还引进了新的遥感植被指数以表征物候状况对于光能利用效率的影响[9,13~16]. 对于哈佛森林生态试验站的对比研究表明: VPM模拟的GPP(GPP VPM)与通量观测塔所测定的GPP(GPP obs)季节动态相当吻合(GPP VPM =0.97×GPP obs, R2 =0.92, N = 110, p< 0.0001), 而同期基于MODIS-PSN的GPP产品却出现了明显的低估[13].目前还没有在温带草原生态系统上对VPM模型进行应用及评价[9,13~16], 因而在本研究中, 我们采用内蒙古锡林郭勒温带草原生态试验站通量观测数据和卫星遥感数据深入分析: (1) 卫星遥感植被指数和温带半干旱草原涡度相关碳通量数据之间的关系; (2) VPM在模拟温带草原生态系统方面的有效性和可靠性.1材料和方法1.1 研究站点研究站点位于内蒙古自治区锡林郭勒盟. 锡林郭勒地区平均海拔超过1000 m, 地处115°32′E~ 117°12′E, 43°26′N~44°39′N之间. 研究站点的详细描述参考表2.表2 锡林郭勒温带草原生态试验站地理、气候和植被状况项目描述地理位置116°40′E, 43°32′N海拔/m 1189多年平均气温/℃−0.4多年平均降水/mm 350.9土壤类型栗钙土(3%有机质)主要植物种温带季节性草种, 比如: 羊草(Leymuschinensis), 针茅(Achnatherum si-biricum)生态系统类型温带半干旱草原通量观测时间段 2003年4月~2005年9月1.2 通量和气候观测数据自2003年4月起, 中国陆地生态系统通量观测研究网络(ChinaFLUX)在该草原生态系统(43°32′45″N, 116°40′30″E)开展CO2, H2O和能量通量的连续观测. 通量观测塔的地理位置靠近中国生态系统研究网络(CERN)内蒙古草原生态系统定位研究站[17].涡度相关开路观测系统测定高度为2.2 m, 位于研究区草原群落冠层的上方[18]. 通量数据质量保证和质量控制的流程(比如: 坐标轴旋转, WPL校正, 无效数据剔除以及夜间通量摩擦风速(u*)订正等)见文994中国科学 D 辑: 地球科学 2008年 第38卷 第8期其空间分辨率为500 m. 我们下载了内蒙古锡林郭勒站点2003~2005年的陆地表面反照率产品(/~imswww/pub/imswelco me/), 并使用其中蓝(459~479 nm), 红(620~670 nm), NIR(841~875 nm)和SWIR(1628~1652 nm)4个波段)的数据进行植被指数的计算. 对于常绿针叶林的研究表明, 使用单个像元和使用3×3, 5×5像元进行反照率数据提取对于计算植被指数影响差异不显著[15], 因此基于研究站点的经纬度信息[13~16], 从MOD09A1产品中提取通量观测塔所在的单个像元(500 m×500 m)的反照率数值按照以下公式对植被指数(NDVI , EVI 和LSWI )进行计算[10,11,13]:献[9]和[18]. 全年完整的经过数据插补的半小时通量数据(NEE )被用来进行下一步处理. 当太阳高度角小于0时(此时生态系统光合为0), NEE 等同于夜间生态系统呼吸. 利用一年的NEE 和夜间近地表空气温度(Ta )数据, 以及Van't Hoff 方程得到NEE 和Ta 的关 系[9]. 利用回归的NEE 和Ta 关系, 结合白天(太阳高度角大于0)近地表的空气温度数据估计白天的Re , GPP 等于白天的Re 减去NEE .其他的气象要素(包括总太阳辐射(Global Radia-tion), 光量子通量密度(PPFD), 相对湿度(RH)等)同样以半小时一次的频率进行测定并记录, 在本研究中, 我们使用平均的Ta 和累加的光合有效辐射P AR 进行模型模拟. 为了匹配模型使用的遥感数据(MODIS, 8 d 时间分辨率), 逐日光合有效辐射被累加成8 d 的总和值, 对逐日的空气平均温度数据求8 d 平均值(图1).NIR redNIR red,NDVI ρρρρ−=+ (1)NIR redNIRred blue2.5,1 6.07.5EVI ρρρρ−=×++×+×ρ (2)NIR SWIRNIR SWIR,LSWI ρρρρ−=+ (3)1.3 MODIS 数据和植被指数美国国家航空航天局(NASA)地球观测系统(EOS)Terra 卫星搭载的MODIS 传感器共有36个光谱波段, 其中7个用于地表和植被的研究. MODIS 陆地科学小组提供给用户8 d 最大值合成的陆地表面反照率产品MOD09A1, 包含上述7个波段的反照率数据, 式中ρ表示相应波段的地表反照率, 下标NIR, red, blue 和SWIR 分别代表近红外、红、蓝和短波红外波段. EVI 包含了蓝波段的信息, 对植被指数进行了大气、地表状况等校正[11], 已成功应用于温带森林[15],图1 2003年5月到2005年8月内蒙古锡林郭勒生态试验站8 d 空气温度(Ta )平均值和8 d 总光合有效辐射(PAR )变化995伍卫星等: 利用MODIS 影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力同时, 气溶胶对EVI 的影响也不如对NDVI 的影响显著[19]. 另外, SWIR 波段反照率对于地表和植被水分状况比较敏感, 结合NIR 和SWIR 波段可以得到水分相关的植被指数[20]. 随着叶片水分含量增加或者土壤水分增加, SWIR 吸收率增加而反射率减少, 因此陆地表面水分指数(LSWI )表现为增加. 近期的研究工作表明, LSWI 对于叶片水分含量比较敏感[13].2 植被光合模型叶片和植被冠层都由光合有效成分(叶绿素)和非光合有效成分(NPV)构成. 基于概念区分叶绿素和NPV, VPM 模型成功模拟了森林[13~16]和高寒草地[9]生态系统的GPP .2.1 模型描述VPM 模型基本构成如下:chl g GPP FPAR PAR ε=××, (4)0scalar scalar scalar ,g T W P εε=××× (5)式中PAR 是光合有效辐射(μmol Photon ·m −2·s −1), FP AR chl 表示被叶绿素所吸收的光合有效辐射比例, εg 是光能利用效率(μmol CO 2·μmol Photon −1). 参数ε0 表示表观量子效率或最大光能利用效率(μmol CO 2·μmol Photon −1). T scalar, W scalar 和P scalar 分别是温度、水分和物候对最大光能利用效率的影响函数.在VPM 模型中, 假设FP AR chl 为EVI 的线性函数, 而且系数a 被设置成1(方程(6))[13~16]:chl FPAR a EVI =×. (6)T scalar 是温度对最大光能利用效率的影响函数, 采用陆地生态系统模型(TEM)的算法[21]:min max scalar min max opt ()(),()()()T T T T T T T T T T T −−=−−−− (7)式中T min , T max 和T opt 分别是植被进行光合作用的最低、最高和最适温度. 当空气温度低于最低光合作用温度时, T scalar 设为0.W scala r 表征水分对光合作用的影响, 在其他生产效率模型中, 水分影响通常被表示成土壤水分和水气压差的函数[7,8]. 在VPM 中, 使用遥感陆地表面水分指数(LSWI )进行替代[13], 如公式(8):scalar max1,1LSWIW LSWI +=+ (8)式中LSWI max 是单个像元内植被生长季的最大LSWI值.P scalar 表征物候状况对光合作用的影响, 其计算与叶片的生长寿命(比如: 常绿林, 落叶林)有关. 由于草原生态系统在整个生长季中不断有新的叶片长出, 所以P scalar 被设置成1[9].2.2 模型参数化VPM 共有3组参数: 最大光能利用效率(ε0)、植被生长季最大LSWI (LSWI max )和影响光合作用的3个温度参数(T min , T max 和T opt ).最大光能利用效率因为植被类型呈现显著的差异. 对于特定植被类型, 可以通过文献调查或者利用瞬时NEE 和PPFD 数据进行分析[13,22]. 本研究中, 我们使用不同生长季半小时白天的NEE 和PPFD 数据, 利用直角双曲线函数(Michaelis-Menten)对最大光能利用效率(表观量子效率)进行估计, 将生长季(每年5~9月份)白天半小时数据以8 d 一组进行分组, 选择拟合效果最好的一组获取参数ε0(表3). 拟合的最大光能利用效率分别是: 0.0167 μmol CO 2·μmol Photon −1 (2003年), 0.0248 μmol CO 2·μmol Photon −1(2004年)和0.0054 μmol CO 2·μmol Photon −1(2005年). 由于2005年生长季所有分组的NEE 数据均存在高光强抑制的现象[18], 对于2005年, 我们仅使用PPFD 低于1200 μmol Photon ·m −2·s −1时候的数据进行参数获取(图2).表3 拟合白天半小时NEE 和PPFD 数据时Michaelis-Menten 函数的参数2003 2004 2005儒略日162~169 210~217226~233最大光能利用效率/μmol CO 2·μmol Photon −10.0167 0.0248 0.0054最大光合作用速率/mg CO 2·m −2·s −1 0.210 0.374 0.167决定系数(R 2)0.549 0.669 0.150数据量(n )240 230 156模型的第二类参数用来计算水分限制函数W scalar . 选择每一年生长季最大LSWI 作为LSWI max . LSWI 表示地表的水分状况, 因此不同年份对应不同的参数. LSWI 最大值分别是0.076(2003年7月12日), 0.019996中国科学 D 辑: 地球科学 2008年 第38卷 第8期图2 利用Michaelis-Menten 函数拟合生长季半小时NEE 和PPFD 数据图(a)~(c)显示拟合效果最好的三组数据, 2003-06-11~2003-06-18(a), 2004-07-28~2004-08-04(b), 2005-08-14~2005-08-21(c). 图(d)显示2005-08-14~2005-08-21全部数据, 当PPFD 大于1200 μmol Photon ·m −2·s −1时, NEE 绝对值明显降低(2004年7月19日), 和−0.058(2005年8月13日)(图3).第三组参数用来估计温度限制函数T scalar . 我们分析了2004年(水热条件最适宜)生长季逐日气温和总初级生产力的关系[9](图4). 确定光合作用三个温度参数分别为: 最低光合作用温度(T min )6℃, 最高光合作用温度(T max ) 21℃以及最适光合作用温度(T opt )17℃.3 结果3.1 NDVI 和EVI 的季节动态利用MODIS 地表反照率产品(MOD09A1)提取的研究站点地表反照率数据, 发现红波段、近红外和蓝波段地表反照率都有明显的季节动态; 每年植被生长季(5~9月份), 近红外波段(841~875 nm)反照率均高于红(620~670 nm)和蓝波段(459~479 nm)(图5).研究站点EVI 和NDVI 季节动态差异显著, 最大EVI 值分别为0.36(2003年), 0.35 (2004年)和0.31(2005年); 而最大NDVI 分别为0.62 (2003年), 0.61(2004年)和0.57 (2005年)(图6). 基于NDVI 和EVI数值的显著差异, 我们假设利用NDVI 进行FP AR 估算时, FPAR 更多地代表了所有冠层(包括非光合有 效成分)的信息; 而基于EVI 进行FP AR 估算时, FP AR 代表了叶绿素实际吸收的光合有效辐射的比例. 同时, 虽然两类植被指数都很好地表征了GPP 迅速降低的物候转换期(图6); 但生长季EVI 和GPP 的相关关系高于NDVI (图7), 说明使用EVI 代替NDVI 进行植被生产力模拟的可靠性更高, 同时间接证明了关于EVI 和FP AR 的假设.3.2 LSWI 的季节动态研究站点各年累计降水分别为122.1 mm(2003年), 335.9 mm (2004年), 133.7 mm(2005年); 图3显示2004年LSWI 数据高于2003年和2005年(图3),LSWI 的年际变化可以反映研究站点干旱年(2003, 2004年)和湿润年(2005年)的差异. 此外, 非生长季LSWI 的显著升高源于研究区域冬季的积雪覆盖[13,15].997伍卫星等: 利用MODIS 影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力积雪对于可见光和近红外波段反射强烈, 而对于短波红外反射较弱[20], 导致LSWI 升高(图3). 图3同时显示了近红外和短波红外地表反照率的年际变化,植被生长季短波红外地表反照率明显高于近红外, 这表明利用二者的归一化处理表征地表植被状况是可行的.图3 2003年5月~2005年8月内蒙古锡林郭勒生态试验站近红外(NIR)、短波红外(SWIR)地表反照率以及陆地表面水分指数(LSWI )季节变化图4 2004年生长季内蒙古锡林郭勒生态试验站逐日平均空气温度和总初级生产力关系图当逐日平均气温高于17℃时, GPP 有明显的降低趋势998中国科学D辑: 地球科学 2008年第38卷第8期图5 研究站点2003年到2005年不同波段地表反照率动态变化在每年植被生长季(5~9月份), 近红外波段反照率数据都高于红和蓝波段数据; 在非生长季, 3个波段反照率数据比较接近, 但对于模型模拟没有影响, 因为非生长季温度低于最低光合作用温度(T min)图6 研究站点归一化植被指数(NDVI)、增强植被指数(EVI)以及总初级生产力(GPP)季节动态变化所有生长季NDVI数据均高于EVI999伍卫星等: 利用MODIS 影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力图7 生长季遥感植被指数(NDVI , EVI )和涡度相关通量观测的总初级生产力(GPP )之间的线性关系3.3 总初级生产力的模拟根据VPM 模型, 利用相应公式计算T scalar , W scalar和 P scalar , 同时结合PAR 和EVI 数据, 进行总初级生产力的模拟. T scalar 在一定程度上受到3个温度参数的影响. 在非生长季, 由于空气温度低于最低光合作用温度, 温度限制函数设置为0. 而在生长季, T scalar 由于空气温度的变化而表现出较大的波动, 尤其是2005年. 这种波动源于生长季空气温度接近最高光合作用温度, 依据公式(7), 当温度接近最高温度参数时, T scalar 会显著降低. 水分限制函数W scalar 依据公式(8)进行计算. 在非生长季, W scalar 也表现出较大的波动, 但由于此时T scalar 设置为0, 所以对模型结果的影响不大(图8). 同时, 针对草原生态系统, 我们设置P scalar 为1.利用VPM 模型模拟的GPP 和涡度相关通量观测的GPP 在研究时间段内季节动态一致. 尽管局部时间段(比如: 2004年生长季前期)模拟和观测值存在一些差异, 整体上看, VPM 很好地模拟了研究站点GPP 的季节动态(图9). 相对于其他两年, 2005年的模型拟合效果最差, 可能由于2005年研究站点严重干旱引起. 半干旱草原的初级生产力强烈地受到气候状况(特别是降水)的影响[23,24], 从图6可以看出, 2005年GPP 显著低于其他两年. 另外, 观测值(GPP obs )和模拟值(GPP VPM )之间的线性关系同样表明: 尽管模拟值存在大约6%的高估(研究时间段内模拟的GPP 总值为641.5 g C ·m −2; 同期观测的GPP 总值为603.8 g C ·m −2), 二者线性关系仍然十分显著(图9).4 讨论和总结针对温带草原生态系统总初级生产力的模拟研究发现了两个有意义的结果, 呼应了之前的研究[9,13~16]. 第一, 对于温带草原生态系统, EVI 和GPP 仍然具有更强的相关性, 而NDVI 和GPP 的相关关系却较弱. 在VPM 中, 我们使用EVI 代替NDVI 来表征地表的植被状况(“绿度”). 以前的研究发现, 这一改进对于森林生态系统的GPP 模拟有显著的优化效果. 实际上, 对于落叶林, EVI 和GPP 的相关关系达0.84, 而NDVI 仅有0.64, 可能森林生态系统较高的植被覆盖使得NDVI 达到饱和而导致该结果发生[14]. 然而, 本研究对于草原生态系统的模拟表明, 尽管草原植被覆盖度较低, EVI 在表征地表植被覆盖状况方面依然优于NDVI (图7). 同时, EVI 和GPP 的线性拟合离散程度更小, 而NDVI 和GPP 的线性拟合却比较离散, 进一步说明使用EVI 代替NDVI 进行GPP 模拟的优势. 第二, V P M 使用L S W I 来表示地表和植被的水分1000中国科学D辑: 地球科学 2008年第38卷第8期图8 对于最大光能利用效率的温度(T scalar)、水分(W scalar)和物候(P scalar)限制函数的季节动态变化温度限制函数在植被生长季表现出较大的波动, 而水分限制函数变化平缓, 物候限制函数设置为1图9 2003年到2005年模拟的总初级生产力(GPP VPM)和观测的总初级生产力(GPP obs)对比图DOY表示观测日在全年中所处的天数, 1月1日为第1天, 右下角的图显示研究时间段内GPP VPM和GPP obs的线性关系1001伍卫星等: 利用MODIS影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力状况, 同时利用W scalar来表征水分对于植被光合作用的影响. 相比之下, 大多数PEM使用可靠性较差、变异程度较大的土壤水分或VPD限制函数来表征水分的影响(表1). 在本研究中, 我们发现LSWI和W scalar 可以准确区分干旱年(2003, 2005)和湿润年(2004), 这证明利用遥感数据反演地表水分状况具有可信度.2003年到2005年近3年的模拟结果表明VPM在草原生态系统有很好的适用性. 然而, 模拟值和观测值之间仍然存在一定差异, 尤其是在2004年生长季的前期(图9, 10). 这种差异可能源于光合作用温度参数的选择, T min, T max和T opt对于T scalar有较大的影响, 本研究所采用的3个温度参数不同于其他的研究[9,13~16], 同时2004年水热条件较好, 使得本研究所选取的3个参数可能对模拟结果产生影响(图4). 另外, 涡度相关通量观测的GPP也存在一定误差[25,26]. 由于涡度相关观测系统仅能直接测定NEE, 所以在获得GPP时需要进行一系列处理. 尤其关键的两步是缺失数据的插补和白天生态系统呼吸的估算. 如何有效进行数据插补、准确拆分白天生态系统呼吸都是通量研究领域广泛争议的问题[26].但是, 对比其他的生产效率模型, 比如TURC和MODIS-PSN, VPM在该研究站点的模拟结果更为可信. 按照文献[5]的算法, 利用NDVI和实际测定的PAR数据, 我们得到了水热条件最适宜的2004年全年TURC模型估算的总初级生产力. 同时, 我们从EOS数据中心(/~imswww/ pub/imswelcome/)下载了标准的MODIS总初级生产力数据MOD17A2, 并根据经纬度信息提取了研究站点所在的GPP数据(图10). 因为将最大光能利用效率等同于实际的光能利用效率[5], TURC模型模拟的GPP 明显高于观测值; 而由于MODIS-PSN中光能利用效率被表示成温度和VPD的函数[8], 对于水热条件较好的年份, MODIS-PSN总初级生产力数据低于观测值[13].此外, 对于LSWI, 尽管可以定性表示干旱年和湿润年的差异(图3), 但基于遥感反照率数据的LSWI 是否能够准确定量反映地表的水分状况, 还需要进一步研究. 同时, 利用遥感技术反演地表和植被冠层水分状况仍然是遥感科学研究的重要问题[27~29].总的来说, VPM在模拟半干旱草原总初级生产力方面优于其他生产效率模型, 对于干旱和湿润年份, VPM都有较好的模拟效果. 依赖涡度相关技术测定的碳通量数据表明, 半干旱草原的GPP年际变化比较显著, 利用遥感数据实现对于草原生态系统图10 不同生产效率模型模拟的2004年GPP和观测GPP的对比图下标VPM, TURC 和MODIS-PSN 分别表示VPM, TURC和MODIS-PSN模型. 图中黑点表示涡度相关通量观测获得的GPP(GPP obs) 1002中国科学D辑: 地球科学 2008年第38卷第8期GPP的准确模拟, 有助于理解区域碳循环年际动态. 基于MODIS遥感数据, VPM实现了对于温带半干旱草原生态系统(本研究), 森林[13~16]和高寒草地、高寒沼泽生态系统[9]8 d时间分辨率、500 m空间分辨率GPP的准确模拟. 依靠逐渐开展的更多的模拟试验, 呼应其他生产效率模型, VPM模型的最终目的是以更高的时间、空间分辨率实现对于区域或全球不同生态系统总或净初级生产力的准确模拟.致谢 Bobby Braswell博士对本文初稿提出了宝贵建议, 两位匿名评审人对论文提出的修改意见, 张弥在数据处理方面、周蕾同学在论文修改方面提供帮助, 在此一并致谢.参考文献1 Falge E, Baldocchi D, Tenhunen J, et al. Seasonality of ecosystem respiration and gross primary production as derived from FLUX-NET measurements. Agric For Meteorol, 2002, 113: 53—74[DOI]2 Moncreiff J B, Malhi Y, Leuning R. The propagation of errors in long-term measurements of land-atmosphere fluxes of carbon andwater. Glob Change Biol, 1996, 2: 231—240[DOI]3 Running S W, Baldocchi D D, Turner D P, et al. A global terrestrial monitoring network integrating tower fluxes, flask sampling, eco-system modeling, and EOS satellite data. Remote Sens Environ, 1999, 70: 108—127[DOI]4 Liu J, Chen J M, Cihlar J, et al. Net primary productivity mapped for Canada at 1-km resolution. Glob Ecol Biogeogr, 2002, 11: 115—129[DOI]5 Ruimy A, Dedieu G, Saugier B. TURC: a diagnostic model of continental gross primary productivity and net primary productivity.Glob Biogeochem Cycle, 1996, 10: 269—285[DOI]6 Field C B, Randerson J T, Malmström. Global net primary production: combing ecology and remote sensing. Remote Sens Environ,1995, 51: 74—88[DOI]7 Heinsch F A, Reeves M, Votava P, et al. User’s Guide: GPP and NPP (MOD17A2/A3) Products NASA MODIS Land Algorithm,Version 2.0, 20038 Goetz S J, Prince S D, Goward S N, et al. Satellite remote sensing of primary production: an improved production efficiency modelingapproach. Ecol Model, 1999, 122: 239—255[DOI]9 Li Z Q, Yu G R, Xiao X M, et al. Modeling gross primary production of alpine ecosystems in the Tibetan Plateau using MODIS im-ages and climate data. Remote Sens Environ, 2007, 107: 510—51910 Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens Environ, 1979, 8: 127—150[DOI]11 Huete A, Didan K, Miura T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Re-mote Sens Environ, 2002, 83: 195—213[DOI]12 Turner D P, Urbanski S, Bremer D, et al. A cross-biome comparison of daily light use efficiency for gross primary production. GlobChange Biol, 2003, 9: 383—395[DOI]13 Xiao X M, Hollinger D, Aber J D, et al. Satellite-based modeling of gross primary production in an evergreen needle leaf forest. Re-mote Sens Environ, 2004, 89: 519—534[DOI]14 Xiao X M, Zhang Q Y, Braswell B, et al. Modeling gross primary production of temperate deciduous broadleaf forest using satelliteimages and climate data. Remote Sens Environ, 2004, 91: 256—270[DOI]15 Xiao X M, Zhang Q Y, Hollinger D, et al. Modeling gross primary production of an evergreen needleleaf forest using MODIS andclimate data. Ecol Appl, 2005, 15: 954—969[DOI]16 Xiao X M, Zhang Q Y, Saleska S, et al. Satellite-based modeling of gross primary production in a seasonally moist tropical evergreenforest. Remote Sens Environ, 2005, 94: 105—122[DOI]17 Yu G R, Wen X F, Sun X M, et al. Overview of ChinaFLUX and evaluation of its eddy covariance measurement. Agric For Meteorol,2006, 137: 125—137[DOI]18 Fu Y L, Yu G R, Sun X M, et al. Depression of net ecosystem CO2 exchange in semi-arid Leymus chinensis steppe and alpine shrub.1003。
藏北高原不同海拔高度高寒草甸植被指数与环境温湿度的关系
藏北高原不同海拔高度高寒草甸植被指数与环境温湿度的关系沈振西;孙维;李少伟;何永涛;付刚;张宪洲;王江伟【摘要】藏北高寒草甸是全球高寒草地的重要组成部分，是对气候变化最敏感的植被类型之一。
关于高寒草地植被指数与环境温湿度因子的关系还存在着诸多不确定性，这限制了准确预测高寒草地植被生长对将来气候变化的响应。
定量化高寒草地植被指数与气候因子的关系利于预测将来气候变化对高寒草地植被生长的影响。
该研究基于相关分析和多重逐步回归分析探讨了藏北高原不同海拔高度（4300、4500和4700 m）的高寒草甸2011─2014年每年6─9月的归一化植被指数（normalized difference vegetation index，NDVI）、增强型植被指数（Enhanced Vegetation Index，EVI）与土壤温度、土壤湿度、空气温度、相对湿度、饱和水汽压差的相互关系。
相关分析表明，3种海拔的NDVI（4300 m：r=0.79，P=0.000；4500 m：r=0.80，P=0.000；4700 m：r=0.52，P=0.005）和EVI（4300 m：r=0.61，P=0.001；4500 m：r=0.66，P=0.000；4700 m：r=0.53，P=0.004）都随着土壤湿度的增加显著增加；3种海拔的NDVI（4300 m：r=-0.68，P=0.000；4500 m：r=-0.56，P=0.002；4700 m：r=-0.40，P=0.037）和EVI（4300 m：r=-0.56，P=0.002；4500 m：r=-0.49，P=0.008；4700 m：r=-0.46，P=0.014）都随着饱和水汽压差的增加显著降低；植被指数与环境温湿度因子的相关系数随着海拔的变化而变化；NDVI和EVI与环境温湿度因子的相关系数存在差异。
多重逐步回归分析表明，土壤湿度一个因子解释了3种海拔的归一化植被指数、海拔4300和4500 m的增强型植被指数的变异，而海拔4700 m的土壤湿度和土壤温度共同了解释了增强型植被指数的变异，其中土壤湿度的贡献较大。
基于MODIS算法的藏北高寒草甸的光能利用效率模拟
（ ． 国 科 学 院 地 理 科 学 与 资 源 研 究 所 生 态 系统 网络 观 测 与模 拟 重 点 实 验 室 拉 萨 高 原 生 态 系 统 研 究 站 ， １中
北 京 １ ０ ０ ；． 国科 学 院研 究 生 院 ， 京 １ ０ ４ ） ０１１２ 中 北 ０ ０ ９
拟。
高寒 草甸 生态 系统 在亚 洲 中部 高寒 环境 以及 世界 高寒 地 区都 极具 代表 性口 引。在 全 国范 围 内 ， 高寒 草 甸 总 面 积 约 为 ６ ４ ０ ｍ。 主要 分 布： ． ×１ ｋ ， 在青藏 高 原 ， 青 藏 高 原典 型 植 被 类 型之 一 ＿ ］ 是 】 。全 中 国 的高 寒 草 甸 生 态 系统
进 行 了验 证 。在 ＭＯ Ｉ Ｄ Ｓ算 法 中 ， 日最 低 气 温 （ ａ ） 饱 和 水 汽 压 亏 缺 （ Ｄ） 别 被 用 来 计 算 温 度 胁 迫 因 子 Ｔ… 和 ＶＰ 分 （ ） 水 分 胁 迫 因子 （ 一 。相 关 分 析 和 多 重 逐 步 回 归 分 析 结 果 表 明 ， 对 于 Ｔ 和 ｗ ） 相 ｌ 丁 能 够 解 释 观 测 的 ｔ更
全 球 碳 循 环 的重 要 研 究 内 容 ， Ｌ 而 ＵＥ作 为 光 能 生 产 力 模 型 中 的 一 个 重 要 参 数 ， 定 量 化 生 产 力 时 空 变 化 的基 础 。 是 因此 ， 量化全球植被 的 Ｌ 定 ＵＥ是 定 量 化 全 球 碳 循 环 的重 要 组 成 部 分 。基 于 ＭＯ Ｓ光 能 利 用 效 率 算 法 ， 研 究 模 ＤＩ 本 拟 了 ２０—２０ ０ ４ ０ ５年 藏 北 高 寒 草 甸 生 态 系 统 的 光 能 利 用 效 率 （ ＵＥ Ｌ ）并 用 观 测 的光 能 利 用 效 率 （ ＵＥ 。 对 模 型 ， Ｌ ）
遥感测绘论文题目GIS测绘学论文题目测绘工程论文题目选题大全毕业论文开题报告参考文献
耕地土壤有机质与速效氮磷钾含量高光谱遥感反演研究 经验模态分解在高光谱遥感数据处理中的应用 面向对象的高分辨率遥感影像的分割与分类研究 多极化星载 SAR 森林覆盖变化检测方法研究 多特征融合的遥感影像变化检测方法研究 近 30 年上海海岸带土地利用变化分析与建模预测 基于矩阵对数累积量和非局部均值方法的极化 SAR 噪声抑制 基于高光谱数据的最大羧化速率遥感定量反演 高分辨率遥感影像道路网提取及变化检测 基于高分辨率遥感影像的城区建筑物提取方法研究 基于高分辨率遥感影像的团场小城镇土地利用变化分析与预测研究 面向对象的草原植被参数反演方法及应用 基于多特征的面向对象高分辨率遥感图像分类 定标缺失情况下的高光谱图像分类研究 基于多波段多极化 SAR 数据的草原地表土壤水分反演方法研究 粒子群优化算法在多时相遥感影像变化检测中的应用研究 基于 Sentinel-1 和 Landsat 8 数据的潮间带盐沼湿地分类研究 高分辨率遥感影像面向对象的绿地信息提取方法研究 基于 HJ-1A HSI 高光谱遥感数据的湟水流域典型植被分类 多源遥感图像融合技术研究 基于 CVA 与光谱解混的高光谱图像变化检测研究 小麦茎基腐与全蚀病高光谱遥感识别研究 基于 Sentinel-1 的近岸海表风场反演研究 雷达卫星 TerraSAR-X 精准测距高原湿地水位反演研究 基于数据挖掘技术的航摄影像土地利用变化检测研究 基于深度神经网络的遥感图像变化检测 基于多空间分辨率遥感数据的山区土地利用/土地覆被分类及变化检测 基于图谱理论的遥感图像分类方法研究 高光谱遥感协同处理黑刺沟岩矿蚀变信息方法研究 基于多核学习的高光谱遥感影像分类方法研究
遥感测绘论文题目 GIS 测绘学论文题目测绘工程论文题目选
题大全毕业论文开题报告参考文献 目录
一、选题技巧............................................................................................................................................1 二、热词分布............................................................................................................................................2 三、测绘学论文题目大全....................................................................................................................... 2 四、知网万方等如何利用................................................................................................................... 104
藏北典型高寒草甸地上生物量的遥感估算模型
１ ２ Ｏ一 １ ２９
草 业 学
报
第 ２ ２卷 第 １期
Ｖｏ １ ． ２ ２ ， Ｎｏ ． １
２ Ｏ １ ３年 ２月
ＡＣＴＡ ＰＲ ＡＴ ＡＣＵ ＬＴＵ ＲＡ Ｅ ＳＩ ＮＩ ＣＡ
藏 北 典 型 高寒 草 甸 地 上 生物 量 的遥 感估 算Байду номын сангаас模 型
周 宇庭 。 ， 付 刚 ， 沈振 西 ， 张宪 洲 ， 武建 双 。 ， 李 云 龙 ， 杨鹏 万
（ １ ． 中 国科 学 院 地 理科 学与 资 源 研 究 所 生 态 系 统 网络 观 测 与模 拟 重点 实 验 室 拉 萨 高 原生 态 系 统 研 究 站 ， 北京 １ ０ ０ ｉ ０ １ ； ２ ． 中 国科 学 院 大学 ， 北京 １ ０ ０ ０ ４ ９ ）
摘 要： 本研究利用 ２ ０ １ ０和 ２ ０ １ １ 年６ ～９ 月高寒嵩草草甸群落地上生物量数据和同期的中分辨率成像光谱仪 （ ｍ ｏ ｄ —
线、 指 数 函数 ） 估算模 型， 并 进 行 了 模 型 验证 。结 果 表 明 ，１ ） ３ 个指数 中 Ｅ ＶＩ 的模 拟 效 果 最 好 ， Ｎ Ｄ Ｖ１ 次之 ， Ｌ Ｓ ＷＩ 最
利用EOSMODIS数据估算西藏藏北高原地表草地生物量
利用EOS/MODIS数据估算西藏藏北高原地表草地生物量除多1姬秋梅2德吉央宗1普次11 西藏高原大气环境科学研究所，拉萨， 8500002 西藏自治区畜牧科学研究所，拉萨， 850000摘要植被生物量作为一个重要的植被状态参数，其估算不仅对研究陆地生态系统植被生产量、碳循环、营养分配等方面具有重要意义，植被生物量的大小直接影响人类对地表植被的利用特点，而且影响其他的生物物理参量。
各种不同空间分辨率、时间分辨率和波谱分辨率遥感数据的出现，使得实时监测大范围的植被生长成为可能。
文中根据2004年8月至9月草地植被地面观测资料结合同期的EOS/MODIS卫星遥感数据建立了西藏藏北高原草地植被地上生物量、绿色干物质获得量与EOS/MODIS归一化植被指数(NDVI)、增强植被指数(EVI)之间的关系，并与影响草地植被空间分布的主要气候和高程要素之间的关系进行了分析。
结果表明：在藏北高原NDVI较EVI能有效地估算草地地上生物量和绿色干物质获得量；藏北高原草地地上生物量与绿色干物质获得量的空间分布特征是从东南部到西北部逐渐减少，东南部部分地区每平方公顷的草地地上生物量在2000 kg以上，到西北部地区减少到200 kg以下。
影响草地地上生物量空间分布的主要气候要素是降水，两者的相关系数为0.64，其次为温度，相关系数为0.44；草地植被地上生物量的空间分布与高程呈反比，即海拔越高的地段生物量越低。
关键词：草地生物量，EOS/MODIS，气候要素，藏北高原。
初稿时间：2006年5月18日；修改稿时间：2006年9月25日。
资助课题：国家自然科学基金项目（40361001）和中国气象局气象新技术推广项目。
作者简介：除多,高级工程师,主要从事环境遥感与GIS应用。
Email:chu_d22@。
青藏高原多稳态高寒草甸生态系统蒸散特征对比研究
量；犙 为渗漏量；Δ犚 为地表径流量；犈 为蒸散量。
目前，已有的研究主要集中于矮嵩草草甸生态系 试验土壤深度未达到地下水位，可忽略地下水对
统蒸散量的研究，而对于高寒草甸退化演替过程蒸散 试验的影响；降水量由试验地区自动气象站测得。观
及贮水量研究较少。试验基于微型 Ｌｙｓｉｍｅｔｅｒ对青藏 测结果发现没有渗漏发生，即 犙＝０。且样地地势平
改良措施后，高寒草甸土壤含水率和贮水量也不会有 ００，每隔４ｈ观测１次并计算蒸散量［１６］：
ቤተ መጻሕፍቲ ባይዱ
明显改善［１３－１４］。从土壤水分亏缺分析，重牧不利于水 Δ犛＝犘＋犙－Δ犚－犈
（１）
源涵养，但禁牧也影响水源涵养功能的提高，只有适度 式中：Δ犛为蒸渗仪内土壤水分变化量（ｍｍ）；犘 为降水
放牧有利于水源涵养［１５］。
第３９卷 第６期 草 原 与 草 坪２０１９年
８３
青藏高原多稳态高寒草甸生态系统蒸散 特征对比研究
舒 锴１，２，柯 浔１，２，辛 莹１，２，郭小伟１，曹广民１，杜岩功１，周华坤１
（１．青海省寒区恢复生态学重点实验室，中国科学院西北高原生物研究所，青海 西宁 ８１０００８； ２．中国科学院大学，北京 １０００４９）
水 是 人 类 生 存 和 发 展 必 不 可 少 的 物 质［１－２］，水 资 源紧缺是我国的基本国情之一。随着社会经济发展， 我国水资源危机日益严重，环境和农业生产用水问题 已经成为重大问题。高寒草甸是青藏高原重要草地类 型 之 一 ，占 高 原 植 被 面 积 的 ５１．５％ ，在 青 藏 高 原 水 循 环中起重要作用［３］，同时也是青藏高原水源涵养的主 体基质，其涵养强度达１８４７ｍ３／ｈｍ２［４］，高寒草甸生态
收稿日期：２０１９０４０３；修回日期：２０１９０７２２ 基金项目：青海省自然科学基金（２０１８ＺＪ９１４）“多稳态高
不同状态高寒草甸土壤微生物分布及其变化
2018年31卷6期 Vol. 31 No. 6西"表$% &Southwest China Journal of Agricultural Sciences1241文章编号：1001 -4829(2018)6 -1241 -05D O I：10.16213/ki.scjas.2018. 6.023不同状态高寒草甸土壤微生物分布及其变化彭岳林，蔡晓布！，于宝政(西藏农牧学院，西藏林芝860000)摘要：【目的】了解藏北高寒草甸不同退化阶段土壤徽生物的变化特征。
【方法】采用涂抹平板法对藏北南部不同状态高寒草甸(包括正常草地、轻度和严重退化草地）土壤徽生物及其变化进行了研究。
【结果】①不同退化程度高寒草甸中3种土壤徽生物数量均表现出放线菌> 细菌> 真菌的特征，放线菌在3种徽生物中占绝对优势；放线菌与细菌随着草地退化程度的加剧表现出先下降再上升的趋势，而真菌则随着草地的退化表现出先急剧上升又显著下降的趋势。
②不同退化程度高寒草甸表层（0〜10 c m)和亚表层（10〜20 cm) 土壤中徽生物的分布各不相同，真菌在正常草甸和重度退化草甸中表现为表层小于亚表层，而在轻度退化草甸中却表现为表层大于亚表层的趋势；放线菌在正常草甸和轻度退化草甸中表现为表层大于亚表层，而在重度退化草甸中却表现为表层小于亚表层的趋势；细菌则均表现出表层大于亚表层的趋势。
③不同退化程度高寒草甸表层和亚表层土壤中徽生物的变化趋势亦不尽相同，土壤细菌在表层和亚表层均表现出随着土壤退化程度的逐步加深呈先减少再增加的变化趋势％真菌在表层表现出随着土壤退化程度的逐步加深呈先增加再减少的变化趋势，而在亚表层土壤中却表现为先下降再轻徽上升的趋势％放线菌数量则表现为表层土壤中随草地退化程度的加剧逐步下降的趋势，亚表层土壤中却呈现先轻徽下降又显著上升的变化趋势。
【结论】放线菌为藏北高寒草甸土壤中的优势徽生物种类，随着草地退化程度的加剧，藏北高寒草甸不同退化阶段土壤徽生物的变化规律各不相同，不同徽生物种类在表层和亚表层土壤中的分布规律亦不尽相同。
基于MODIS的格尔木地区蒸散量研究的开题报告
基于MODIS的格尔木地区蒸散量研究的开题报告1. 研究背景及意义随着全球气候变暖和干旱化趋势的加剧，水资源的紧缺问题日益突出。
格尔木地区位于高寒荒漠区，水资源极度匮乏，蒸散量是影响该地区水资源的一个重要因素。
因此，探究格尔木地区的蒸散量变化规律，对于合理利用该地区的水资源，维护生态平衡具有重要意义。
2. 研究内容和目标本研究主要基于MODIS遥感数据，结合气象观测资料和地面观测数据，分析格尔木地区不同时间段的蒸散量变化规律、蒸散潜热时空分布特征，探讨其与气象因素的关系，为该区域水资源合理利用提供科学依据。
具体研究内容包括：(1) 数据获取和预处理获取并处理MODIS遥感数据、气象观测数据、地面观测数据等。
(2) 蒸散量计算方法的选用选择适宜的蒸散潜热计算方法，并对不同方法的优缺点进行比较分析。
(3) 蒸散量时空分布特征分析通过空间插值和时序分析等方法，分析格尔木地区蒸散量的时空分布特征，得出不同月份和不同年份蒸散量的变化规律。
(4) 蒸散量与气象因素的关系分析参考气象观测资料，分析蒸散量与气象因素（如温度、风速、湿度、降水等）的关系，探讨不同气象因素对蒸散量变化的影响。
(5) 结果展示与分析将分析得到的结果进行可视化展示，并进行分析和讨论，总结出格尔木地区蒸散量变化规律及其与气象因素的关系。
3. 研究方法和技术路线本研究主要采用以下方法和技术：(1) 数据获取和预处理：利用Google Earth Engine平台获取和处理MODIS遥感数据、气象观测数据、地面观测数据。
(2) 蒸散量计算方法的选用：选择Penman-Monteith法等适宜的蒸散量计算方法，进行蒸散潜热计算。
(3) 蒸散量时空分布特征分析：利用空间插值方法（如Kriging插值）和时序分析方法（如小波分析）分析格尔木地区蒸散量的时空分布规律。
(4) 蒸散量与气象因素的关系分析：利用相关分析、回归分析等方法，探究蒸散量与气象因素之间的关系。
不同海拔高度高寒草甸光能利用效率的遥感模拟
不同海拔高度高寒草甸光能利用效率的遥感模拟付刚;周宇庭;沈振西;张宪洲;石培礼;何永涛;余桂荣;武建双【摘要】利用植被光合模型模拟了藏北高原3个海拔高度(4300,4500 m和4700 m)的高寒草甸生态系统的光能利用效率.海拔4500 m的光能利用效率均值(0.47 g C/MJ)显著高于海拔4300 m(0.38 g C/MJ)和4700 m(0.35 g C/MJ),而海拔4300 m和4700 m两者间差异不显著.相关分析和多重逐步回归分析表明,影响每个海拔光能利用效率季节变化的主要因子为空气温度,相对湿度以及地表水分指数,这3个因子共同解释了99％以上的光能利用效率的季节变化,其中空气温度的贡献最大,相对湿度的贡献次之,地表水分指数的贡献最小,这说明在3个海拔的任何一个海拔高度,温度对光能利用效率季节变化的胁迫作用大于水分对光能利用效率季节变化的胁迫作用.多重逐步线性回归分析表明,生长季节均土壤含水量是决定生长季节均光能利用效率沿海拔高度分布的主导因子.单因子线性回归分析表明,地表水分指数可以定量化高寒嵩草草甸生态系统水分状况,它同时可以反应土壤水分、近地表空气湿度以及生态系统植被含水量状态.因此,在高寒嵩草草甸生态系统,用地表水分指数反应生态系统尺度水分对光能利用效率的胁迫作用是可行的.【期刊名称】《生态学报》【年(卷),期】2011(031)023【总页数】10页(P6989-6998)【关键词】光能利用效率;遥感模拟;高寒草甸;海拔高度【作者】付刚;周宇庭;沈振西;张宪洲;石培礼;何永涛;余桂荣;武建双【作者单位】中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室拉萨高原生态系统研究站,北京100101;中国科学院研究生院,北京100049【正文语种】中文光能利用效率(Light use efficiency，LUE)指的是植被所吸收的碳与植被冠层所吸收的光能量之比［1］。
三种方法测定高寒草甸生态系统蒸散比较
三种方法测定高寒草甸生态系统蒸散比较戚培同;古松;唐艳鸿;杜明远;吴力博;赵亮【期刊名称】《生态学报》【年(卷),期】2008(28)1【摘要】利用涡度相关技术(Eddy covariance technique)、小型蒸渗仪(Mini-lysimeter)和波文比-能量平衡法(BREB)对2005年和2006年夏季(7～8月份)青藏高原海北高寒草甸生态系统的昼间蒸散(E)变化进行了对比观测研究.在观测期间,存在能量不闭合现象,涡度相关系统测定的湍流通量相当于有效能量的73%.3种不同方法测定的蒸散量之间具有较好的相关性,涡度相关系统与小型蒸渗仪测定的蒸散量相关系数达0.96,与波文比法的结果相关系数为0.95.然而,波文比法计算的蒸散量最大,比涡度相关系统的观测值高43%;小型蒸渗仪法的测定值次之,比涡度相关法的观测值高19%;涡度相关法测算的蒸散值最小.研究结果表明,利用涡度相关技术测定该高寒草甸生态系统的潜热通量,可能会过小评价该生态系统的蒸散量.【总页数】10页(P202-211)【作者】戚培同;古松;唐艳鸿;杜明远;吴力博;赵亮【作者单位】中国科学院西北高原生物研究所,西宁,810008;中国科学院研究生院,北京,100049;中国科学院西北高原生物研究所,西宁,810008;日本国立环境研究所,筑波,3050053;日本国立农业环境技术研究所,筑波,3058604;中国科学院西北高原生物研究所,西宁,810008;中国科学院研究生院,北京,100049;中国科学院西北高原生物研究所,西宁,810008【正文语种】中文【中图分类】Q145;Q945;Q948【相关文献】1.青藏高原东缘草地生态系统动态定位监测与可持续发展要素研究Ⅱ高寒草甸草地生态系统植物群落结构特征及物种多样性分析 [J], 赵忠;王安禄;马海生;宋慧琴2.黑河流域高寒草甸生态系统水分收支及蒸散发拆分研究 [J], 童雅琴;王佩;李小雁;张赐成;白岩3.青藏高原高寒草甸生态系统管理的生态学基础：海北高寒草甸生态系统研究站[J], 赵新全; 周兴民4.青藏高原多稳态高寒草甸生态系统蒸散特征对比研究 [J], 舒锴; 柯浔; 辛莹; 郭小伟; 曹广民; 杜岩功; 周华坤5.青海湖2种高寒嵩草湿草甸湿地生态系统水热通量比较 [J], 吴方涛;曹生奎;曹广超;汉光昭;林阳阳;成淑艳因版权原因，仅展示原文概要，查看原文内容请购买。
青藏高原MODIS逐日无云积雪范围产品精度验证
青藏高原MODIS逐日无云积雪范围产品精度验证李诺;韩其飞;马英;黄晓东【期刊名称】《冰川冻土》【年(卷),期】2022(44)6【摘要】青藏高原地区的积雪具有重要的水文、生态和气候意义。
MODIS(Moderate Resolution Imaging Spectroradiometer)积雪产品应用广泛,但受云的影响较为严重。
国内外学者针对MODIS逐日积雪产品发展了多种去云产品,但这些产品在青藏高原的应用精度还未得到综合的评估。
因此,本文利用分辨率较高的Landsat-8数据获取的积雪分类图作为参考真值,对目前发布的三套逐日无云积雪产品进行了系统的验证。
评估结果表明,基于MODIS地表反射率数据生产的逐日无云积雪产品(MODIS CGF SCE),相比基于MODIS原始逐日积雪产品进行去云处理后获取的两套产品(M*D10A1GL06和MODIS_Dysno_Cloudfree),在积雪识别精度方面具有较大优势。
MODIS CGF SCE产品针对不同土地覆盖类型进行NDSI(Normalized Difference Snow Index)阈值优化,虽然在积雪识别精度方面提升较为明显,然而林区积雪识别误差较大的问题依旧没有得到有效解决,存在较高的低估误差。
【总页数】8页(P1740-1747)【作者】李诺;韩其飞;马英;黄晓东【作者单位】南京信息工程大学地理科学学院;兰州大学草地农业生态系统国家重点实验室草地农业科技学院【正文语种】中文【中图分类】P407【相关文献】1.近15年新疆逐日无云积雪覆盖产品生成及精度验证2.青藏高原MODIS逐日无云积雪面积数据集 (2002-2015年)3.青藏高原MODIS逐日无云积雪面积数据集(2002～2015年)4.祁连山区MODIS积雪反照率产品的精度验证及云下积雪反照率估算研究5.基于MODIS的青藏高原逐日无云积雪产品算法因版权原因，仅展示原文概要，查看原文内容请购买。
基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例
基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例孟宝平;陈思宇;崔霞;冯琦胜;梁天刚【期刊名称】《草业科学》【年(卷),期】2015(032)011【摘要】基于MODIS、Landsat-8OLI和HJ-1A/1B CCD卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测数据,建立了高寒草地地上生物量遥感反演模型,筛选出基于不同遥感资料植被指数的生物量最优反演模型,比较分析了生物量最优模型的空间效应.同时,分析了2000-2013年基于MODIS植被指数估算的试验区产草量的年际变化特征.结果表明,草地生物量最优反演模型为基于Landsat-8OLI NDVI数据的对数模型(y =727.541nx1+495.23,R2=0.772,RMSE=31.333 kg DM·hm-2);在30和250 m空间分辨率下,基于MODIS NDVI及EVI、Landsat-8OLI NDVI和HJ-1A/1B CCD NDVI最优模型估算的生物量均高于实测生物量,其中Landsat-8OLI NDVI数据估算的草地生物量与实测生物量值最接近;2000-2013年试验区草地总生物量整体上具有显著增加的趋势(R2 =0.590 7,P＜0.001),平均增加速率达50.57 kg DM·hm-2·a-1.【总页数】10页(P1730-1739)【作者】孟宝平;陈思宇;崔霞;冯琦胜;梁天刚【作者单位】草地农业生态系统国家重点实验室兰州大学草地农业科技学院,甘肃兰州730020;草地农业生态系统国家重点实验室兰州大学草地农业科技学院,甘肃兰州730020;兰州大学西部环境教育部重点实验室兰州大学资源与环境学院,甘肃兰州730000;草地农业生态系统国家重点实验室兰州大学草地农业科技学院,甘肃兰州730020;草地农业生态系统国家重点实验室兰州大学草地农业科技学院,甘肃兰州730020【正文语种】中文【中图分类】S812;S127【相关文献】1.三江源区高寒草地地上生物量遥感反演模型研究 [J], 韩波;高艳妮;郭杨;张林波;王德旺;徐良骥;杨波2.甘南藏区旅游开发与生态环境保护——以夏河县桑科草原为例 [J], 丁欣翠3.基于Landsat 8 OLI和MODIS数据的高寒草地盖度升尺度效应研究——以夏河县桑科草原试验区为例 [J], 孟宝平;崔霞;杨淑霞;高金龙;胡远宁;陈思宇;梁天刚4.天然草原放牧干扰下植被地上生物量动态变化——以甘肃省夏河县山地草甸为例[J], 包海明;贠旭疆;张德罡;刘爱军;王炳煜5.基于遥感的草原生物量反演模型 [J], 张麟;管旭;王国强;王会肖;王红旗因版权原因，仅展示原文概要，查看原文内容请购买。
青藏高原北缘地区高寒草甸土壤保持功能及其价值的实验研究
青藏高原北缘地区高寒草甸土壤保持功能及其价值的实验研究于格;鲁春霞;谢高地
【期刊名称】《北京林业大学学报》
【年(卷),期】2006(28)4
【摘要】高寒草甸是青藏高原分布面积最大的草地类型,其土壤保持功能对于保护敏感而脆弱的青藏高原生态与环境具有重要的生态学意义.该文选取青藏高原北缘地区作为采样点,采用风洞实验方法,人为设计不同干扰方式,找出不同干扰方式下土壤风蚀率的变化规律,并以定量化方式揭示高寒草甸土壤保持功能的大小及其经济价值.通过实验得出:不同破坏程度和不同风速都会对风蚀率产生影响.一般情况下,土壤风蚀率随不同破坏程度和风速的增加而呈现出非线性的增加趋势.同时,随着风蚀现象的发生,土壤养分含量也出现不同程度的下降.最后,该文通过设置不同情景,对高寒草甸生态系统土壤保持功能进行价值评价,得出青藏高原高寒草甸仅土壤保持功能的经济价值就达1.5～4.6亿元a.
【总页数】5页(P57-61)
【关键词】高寒草甸;土壤保持功能;价值评估;青藏高原
【作者】于格;鲁春霞;谢高地
【作者单位】中国科学院地理科学与资源研究所
【正文语种】中文
【中图分类】S812
【相关文献】
1.青藏高原高寒草甸的植被退化与土壤退化特征研究 [J], 才让吉
2.青藏高原高寒草甸生态系统土壤有机碳动态模拟研究 [J], 李东;黄耀;吴琴;明珠;靳代樱
3.青藏高原高寒草甸的植被退化与土壤退化特征研究 [J], 周华坤;赵新全;周立;刘伟;李英年;唐艳鸿
4.青藏高原东缘高寒草甸不同功能群植物氮磷化学计量特征研究 [J], 刘旻霞;朱柯嘉
5.近23年来青藏高原东北部香日德地区高寒草甸上界变化及其与气候变化关系研究 [J], 王鑫;曾彪;仝莉棉;杨太保
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
能 够 比较 准 确 地 反 应 Ｅ ， 仍 然存 在 较 大 的差 异 ， 研 究 采 用 多 重 逐 步 线 性 回 归 的方 法 定 量 分 析 了造 成 该 差 异 Ｔｃ但 本
的 原 因 ： ＴＥ 和 Ｅ ｖ的 差 异 （ Ｔ ｃ Ｅ ） Ｅ Ｔ Ｄ Ｅ — Ｔ 主要 受 光 合 有 效 辐 射 （ ＡＲ） Ｇ Ｐ 的 影 响 ； Ｅ 和 Ｅ Ｈ 的差 Ｐ 和 Ｐ ｖ 而 Ｔｃ Ｔ
拟 蒸 散 ， 研 究 计 算 了 生 态 系 统 尺 度 的水 分 利 用 效 率 （ ＵＥ ｃ 。相 关 分 析 和 多 重 逐 步 线 性 回 归 分 析 结 果 表 明 ， 本 ｗ ） 影 响 ｗＵＥ ｃ 主 要 因子 为 归 一 化 植 被 指 数 （ ＶＩ 、 气 相 对 湿 度 （ ） 显 热 通 量 （ 。在 此 基 础 上 ， 别 建 立 了 Ｅ的 ＮＤ ） 空 Ｈａ 和 Ｈ） 分
（． 国科 学 院地 理 科 学 与资 源研 究 所 生 态 系统 网 络 观 测 与模 拟 重 点 实 验 室 拉 萨 高原 生 态 系统 研 究 站 １中
Ｅ １ ０ ０ ； 中 国科 学 院 研 究 生 院 ， 京 １ ０ ４ ） 京 ０１１２ 北 ０ 系 统 中 ， 散 （ｖｐ ｔ ｎ ｐｒｔ ｎ Ｅ 是 水 循 环 中 一 个 非 常 重 要 的组 成 部 分 。 为 了更 好 的 模 在 蒸 ｅａ ｏｒ ｓ ｉ ｉ ， Ｔ） ａ ａｏ
第 １ 卷 ９
第 ５期
草 业 学 报
Ａ ＣＴ Ａ ＰＲ ＡＴ Ａ ＣＵ ＬＴ Ｕ ＲＡ Ｅ Ｎ Ｉ ＳＩ ＣＡ
１ ３— １ ２ Ｏ １
Ｖｏ． Ｉ １９， ｏ． Ｎ ５
２１ ０ ０年 １ Ｏ月
基 于 ＭＯＤ Ｓ影 像 的 藏 北 高 寒 Ｉ 草 甸 的 蒸 散 模 拟
付 刚 ， 振 西 ， 宪 洲 ， 建 双 ， 培 礼 沈 张 武 。石
异 （ ＴＥ — Ｅ Ｅ ｃ Ｔ ） 要 受 ＰＡＲ、 Ｐ 主 ＧＰ 和 增 强 型 植 被 指 数 （ ＥＶＩ 的影 响 。 ）
关 键 词 ： 散 ； 分 利 用 效 率 ； 被 光 合 模 型 ； 北 高 原 ； 寒 草 甸 蒸 水 植 藏 高
中 图 分 类 号 ： １ １ ４； ８ ２ Ｏ Ｓ ６ ． Ｓ １一５ 文 献 标 识码 ： Ａ 文 章 编 号 ：０ ４５ ５ （ ０ Ｏ ０ — １ ３１ １ ０ — ７ ９ ２ １ ） ５０ ０ —０
同 时在大 多数 生态 系 统 中 ， 蒸散 是 水分 收支 平衡 关 系 中 的第 二 大组 成部 分 ， ］ 因此 ， 蒸散 在 水 循 环 过程 中是 一个
非 常重要 的 因子 。
遥感 以其 独特 的优 势 为点 到 面 的外 推 提供 了可 能 ， 因此 ， 感模 型 被极力 推 荐作 为大 区域 连续 蒸 散管理 的方 遥
计 关 系 并 以 此 为 基 础 对 蒸 散 进 行 预 测 。 近 年 来 ， 有 一 些 研 究 者 成 功 利 用 经 验 统 计 模 型 ， 涡 度 相 关 技 术 得 到 的 已 将
蒸 散 （ｖ ｐ ｔａ ｓｉ ｔ ｎ Ｅ 包 括植 被蒸 腾 （ ｅ ｅａｉｎ ｔ ｎ ｐｒｔ ｎ 和 土壤 蒸 发 （ ｏｌ ｖ ｐ ｒｔ ｎ ２个 部 ｅ ａ ｏｒｎ ｐｒ ｉ ， Ｔ） ａｏ ｖ ｇ ｔｔ ｒ ｓ ｉ ｉ ） ｏ ａ ａｏ ｓ ｉ ｅ ａ ｏ ａｉ ） ｏ 分， 它是 一个 水从 土壤 、 被 向大 气输 送 的过程 。在 全 球尺 度 上 ， 乎 ２ ３的降水 将 以蒸 散 的形式 归 还给 大气 ＿ 。 植 几 ／ 】 ］
法＿ ］ 近年 来 ， ３ 。 “ 已有 很 多 研 究 成 功 地 运 用 遥 感 方 法 对 蒸 散 进 行 了 模 拟 ＿ 。 １ 。
目前 ， 物理 模 型和 经验模 型 是 ２种 常用 的预 测蒸 散 的方 法 ｌ 。物理 模 型 是建 立 在 表 面 能量 平 衡 概 念基 础 上 ３ ］ 的 ， 过能 量 平 衡 等 式 对 蒸 散 进 行 预 测 。 其 中 ， ｅ ｍａ — ｎｅｔ 通 Ｐ ｎ ｎＭｏ ｔｉ ｈ模 型 就 是 一 个 被 广 泛 运 用 的 蒸 散 物 理 模 型 ｌ 。但 是 ， ｅ ｍａ — ｎｅｔ １ ¨ Ｐ ｎ ｎＭｏ ｔｉ ｈ蒸 散模 型 自身 存在 缺点 ， 它需 要 气 象 数据 、 空气 动 力 学 表 面 阻力 参 数作 为输 入 因子＿ ， 就 限制 了该 模 型的 实际运 用 。而经 验模 型主 要是 建立 植 被 指数 （ ｅ ｅａｉｎ ｉｄｃｓ ＶＩ 与蒸 散 间 的统 ３这 ］ ｖｇ ｔｔ ｉｅ ， ） ｏ ｎ
Ｗ ＵＥ 与 Ｎ ＤＶＩＨａ Ｈ 的 线 性 回归 方 程 （ 中 ， 的模 拟 值 Ｗ ＵＥ 和 Ｗ ＵＥ ｃ 异 显 著 ） 利 用 建 立 的 ｗ ｕＥ 的 、 和 其 Ｈ ｎ 差 ，
回归 方 程 和植 被 光 合 模 型 （ Ｐ 估 计 的 总 初 级 生 产 力 （ Ｐ ） 拟 了生 态 系统 尺 度 的 蒸 散 。模 拟 的 蒸 散 （ ＶＩ Ｖ Ｍ） ＧＰ ｖ 模 ＮＤ
的模 拟 值 Ｅ ｖ， Ｔ Ⅱ。Ｈａ的 模 拟 值 Ｅ ） 通 量 观 测 的蒸 散 （ Ｔ ｃ 的 简 单 线 性 方 程 分 别 为 Ｅ ｗⅥ一 １ ２ ８５ Ｔ 。 Ｒ Ｔ 。和 Ｅ ） ＴＤ ． ９ Ｅ （
二 ． ０ ， － ０ ８ ２ ９ 一４ ， ６ Ｐ＜ ０ ０ ０１ 和 ＥＴＨ 一１ ３ １８ ． ０ ） ． １ ＥＴＥ （ 一０ ７ ８ ７ 一４ ， ｃ Ｒ ． ４ ， ６ Ｐ＜ ０ ０ ０１ ， 表 明 Ｅ Ｄ Ｉ Ｅ ．０ ） 这 ＴＮｖ和 ＴＨ 都