中国竹林遥感信息提取及NPP时空模拟研究

摘要
竹林是我国亚热带森林生态系统中重要而特殊的资源，其在陆地碳循环/碳汇功能中扮演着重要的角色。

截止第八次(2009 - 2013年)森林资源清查结果知，我国竹林面积已达601万公顷，占我国森林面积的3%，占世界竹林面积20%左右，是名副其实的“竹子王国”。

目前，竹林面积信息主要是通过地面样地结合遥感影像并采用不同的分类方法获取，研究区多集中在县域或省域尺度上，缺乏全国范围竹林时空分布信息快速准确提取。

森林生态系统碳循环在改善全球气候变化中具有重要意义，其中，植被净第一性生产力(Net Primary Productivity, NPP)是生态学中重要组成部分，是森林生态系统碳循环过程中重要的指示参数。

然而，中国竹林NPP获取研究较少，本研究以中国竹林为研究对象，在林地遥感信息提取的基础上，首先通过构建竹林信息C5.0算法决策树获取初步竹林信息，其次，采用最小二乘混合像元分解方法获取竹林丰度信息，最后，将竹林丰度作为输入参数驱动适用于竹林碳循环研究的北部生态系统生产模拟模型(Boreal Ecosystem Productivity Simulator , BEPS)，模拟了全国竹林生态系统的净初级生产力。

主要研究内容包括以下三个方面：
1、最大似然法提取林地信息。

综合MODIS产品、地面调查数据等基础数据，结合目视解译、样地数据、Google earth等获取训练样本，采用最大似然法将全国土地利用类型分为水体、林地、耕地、城镇、裸地等，并通过掩膜获得全国林地MODIS产品。

2、C5.0决策树结合混合像元方法获取竹林分布信息。

首先，基于林地MODIS 产品、Landsat8 OLI浙江省土地利用专题图及竹林样地数据获取竹林、阔叶林、针叶林林分样本；其次，利用C5.0算法决策树构建竹林信息提取模型，最后，通过最小二乘混合像元分解获得竹林丰度专题图。

3、竹林生态系统净初级生产力估算及时空格局分析。

将竹林丰度信息作为输入参数驱动BEPS模型估算中国竹林生态系统净初级生产力，其次，利用统计等方法分析全国竹林生态系统净初级生产力时空动态变化规律。

通过研究，主要得到一下几个方面的结论：
1、最大似然法提取林地信息精度高，2003年、2008年和2014年三期生产者精度与使用者精度均为90%以上，Kappa系数均大于0.9，为下一步获取竹林
信息提供数据保障。

2、基于林地信息采用C5.0决策树模型提取的竹林遥感信息，平均精度达80.07%，结果能够粗略反映我国竹林时空分布特征；然而C5.0决策树获取竹林信息仍是基于像元水平上，因此，利用最小二乘像元混合分解获取较为纯净的竹林信息，研究结果与竹林资源清查面积具有较高的一致性，判定系数均大于0.95，说明通过决策树模型结合混合像元分解提取的中国竹林面积精度较为理想，为精确估算竹林面积及为大尺度竹林生态系统时空动态碳循环研究提供了保障。

3、将竹林丰度图作为参数驱动BEPS模型获得中国竹林生态系统年/月尺度NPP，与已有研究结果及样地调查数据进行对比分析显示：三期判定系数(R2)均值为0.73，说明两者具有较高的一致性。

在空间分布上，竹林NPP高值主要聚集在浙江、福建、江西、湖南等地；云南、陕西等地分布较为分散。

在时间尺度上，竹林NPP变化明显。

在年尺度上，NPP总量呈上升趋势。

在月尺度上，我国竹林NPP呈现先增加后减缓趋势，5月为最高值，12月为最低值。

在季节尺度上，四季对全年的贡献率从大到小为春(32.94%)>夏(26.72%)>冬(22.19%)>秋(21.64%)。

关键词：中国竹林；C5.0算法决策树；混合像元分解；BEPS模型；净初级生产力
ABSTRACT
Bamboo forests play an important role in carbon cycle and carbon sequestration in subtropical forest ecosystems. As of the eighth (2009 - 2013) forest resource inventory, The area of bamboo forest in China has reached 6.01 million hectares, accounting for 3% of theforestarea of our country and 20% of the bamboo forest area of the world,which is a truly ―bamboo kingdom‖. At present, the bamboo forest area information is mainly obtained by the combination of samples of bamboo stands,remote sensing images anddifferent classification methods. The research area is mostly concentrated on the scales of country or province and lacks of the rapid and accurate extraction of the temporal-spatial distribution information of bamboo forests in the whole country. The carbon cycle of forest ecosystems is of great significance in improving global climate. Among them, net primary productivity (NPP) is indicator parameter in the process of carbon cycle in forest ecosystems. However, there are few researches on bamboo forest NPP in China and abroad. Based on the extraction of remotelysensedinformationfrom forest land, the studyfirstconstructedC5.0 algorithm decision tree to obtain initialbamboo forest information. Secondly, the bamboo forest abundance information was obtained by the least squares mixed pixel decomposition. Finally, the NPP of the national forest ecosystem was simulated by using bamboo forest abundance as an input parameter to drive the Boreal Ecosystem Productivity Simulator (BEPS) model.The main study contents include as follows:
1. Maximum likelihood forestland information extraction. Comprehensive MODIS remote sensing, ground survey data and other basic data, combined with Google earth, the maximum likelihood method was usedto divide the country's land use types into water bodies, forests, farmland, towns, bare land, and through the mask to obtain the spatial distribution of national woodland.
2. The spatial distribution information of bamboo forest was obtain by theC5.0 decision tree and the mixed pixel decomposition method. Firstly, bamboo forest, broad-leaved forest, and coniferous forest stand samples were obtained by forestland MODIS products, Landsat8 OLI, Zhejiang land use thematic maps and bamboo forest sample data.Secondly, the bamboo forest information extraction model was constructed byusing the C5.0 algorithm decision tree.Finally, the abundance of bamboo forest was extracted by mixed pixel decomposition,and the spatial
distribution of bamboo forest was delineated.
3. Estimation oftemporal-spatial pattern of NPP in bamboo forest ecosystem. NPP of bamboo forest ecosystem in China was simulated by using bamboo forest abundance information as aninput parameter to drive the BEPS model. The statistical method was used to analyze the temporal-spatial dynamic changes of NPP of bamboo forest ecosystem in China.
There are several conclusions from this studyas follows:
1. Based on the maximum likelihood method,the extraction accuracy distribution information offorestland information was high. The p roducer‘s and user‘s accuracy of the three phases,in 2003, 2008 and 2014, were all above 90%, and the Kappa coefficient was 0.91, 0.90, and 0.97, respectively,which laid the foundation for further extraction of bamboo forest information form forest land.
2. The bamboo forest remote sensing information was extracted by the C5.0 decision tree model based on forestland information, which has an average accuracy of 80.07%. The results can accurately reflect the spatial-temporal distribution characteristics of bamboo forests on the large scale.However, because of the low resolution of MODIS remote sensing,thebamboo forest information still has mixed pixel.Therefore, the bamboo forest abundance information was obtained by using the least squares pixel mixed decomposition.The research results have a high consistency with the bamboo forest resource inventory area, the coefficient of determination (R2)is greater than 0.95, indicating that bamboo forest area precision base on the decision tree model combined with the the mixed pixel decomposition was relatively satisfactory.Itprovides a guarantee for the accurate estimation of bamboo forest area and the study of the spatial-temporal dynamic carbon cycle of large-scale bamboo ecosystems.
3. The annual/monthly scale NPP of bamboo forest ecosystem in Chain was obtained based on the parameter optimized BEPS model. Compared with the existing research results and sample survey data, the average R2of the third phase was 0.73. In terms of spatial distribution, the high value of NPP in bamboo forests mainly gathered in Zhejiang, Fujian, Jiangxi, and Hunan. In addition, the distribution of Yunnan, Shanxi and other places wasrelatively scattered. On the timescale, the NPP of bamboo forest changed significantly. On the annual scale, the total NPP wasonascent. On the monthly scale, the NPP of China‘s bamboo forests first increased and then slowed down,the value of May was the highest and the value of December was the lowest. On the
seasonal scale, the contribution rate of the four seasons to the whole year wasspring (32.94%)> summer (26.72%)> winter (22.19%)> autumn (21.64%).
Keyword:Bamboo forest in China;C5.0 algorithm decision tree;Mixed pixeldecomposition; BEPS; NPP
目录
摘要........................................................................................................................... I ABSTRACT ............................................................................................................ III 1. 绪论 (1)
1.1研究目的与意义 (1)
1.2国内外研究现状与发展趋势 (3)
1.2.1竹林遥感信息提取方法研究现状与发展趋势 (3)
1.2.2森林生态系统生产力研究现状与发展趋势 (4)
1.3研究内容和技术路线 (8)
1.3.1研究内容 (8)
1.3.2技术路线 (9)
2 研究区概况及数据预处理 (10)
2.1研究区概况 (10)
2.1.1研究区自然条件 (10)
2.1.2研究区竹产业布局 (11)
2.2研究数据及处理 (12)
2.2.1遥感数据简介及预测处理 (12)
2.2.2竹林样本数据 (14)
2.2.3地面数据获取 (15)
2.3评价指标 (15)
3 决策树结合混合像元分解中国竹林时空分布 (17)
3.1基于MODIS中国林地提取及精度评价 (17)
3.1.1MNF变换 (18)
3.1.2样本选择 (19)
3.1.3最大似然法 (19)
3.1.4精度评价 (20)
3.2决策树模型构建 (21)
3.3混合像元分解模型 (24)
3.3.1端元提取 (27)
3.4竹林面积统计及精度评价 (28)
3.4.1基于决策树模型的竹林提取精度及分布 (28)
3.4.2基于混合像元分解模型的竹林提取精度及丰度专题图 (29)
3.5小结 (32)
4 基于BEPS模型中国竹林NPP估算 (33)
4.1BEPS模型简介 (33)
4.1.1BEPS模拟植被冠层光合作用的原理 (33)
4.1.2BEPS模拟植被冠层呼吸作用的原理 (36)
4.2研究区参数获取 (37)
4.2.1竹林丰度分布图 (37)
4.2.2叶面积指数 (37)
4.2.3BEPS模型生物参数 (40)
4.2.4BEPS模型气象数据 (40)
4.2.5BEPS模型土壤数据 (40)
4.3中国竹林NPP估算结果分析 (41)
4.3.1模型精度评价 (41)
4.3.2中国竹林NPP空间分布规律 (42)
4.3.3中国竹林NPP时间尺度变化特征 (50)
4.4小结 (54)
5 结论及讨论 (56)
5.1研究结论 (56)
5.2创新点 (57)
5.3研究讨论 (57)
5.3.1竹林信息提取 (57)
5.3.2竹林NPP估算 (58)
参考文献 (59)
个人简介 (67)
导师简介 (68)
致谢 (69)
1. 绪论
1.1研究目的与意义
竹林是我国亚热带地区特殊且重要的森林类型，是森林生态系统重要组成部分[1-5]，被称为“第二森林”。

竹子属于禾本科竹亚科(Bambusadea)[6]，全世界有87种，约有1500种[2; 7]。

广泛分布在亚洲、非洲和南美洲水热状况较好的热带和亚热带地区，少数部分分布在温带和寒带[8]。

尽管全球许多地方的森林总面积在急剧下降，但是竹林面积以3%速度不断增加[9-10]。

全世界竹林面积为3200多万公顷，中国位于世界竹林分布的中心，竹林面积位居世界第二，竹林资源十分丰富，截至第八次森林资源清查(2009-2013)，我国竹林面积已达601万公顷，占全国森林面积的3%左右，是世界竹林总面积的20%左右，是名副其实的“竹子王国”。

研究表明竹林具有高效固碳能力、速生丰产、生长周期短等特点[3; 10-11]，近年竹林资源研究进展势态多集中在竹林经营管理、竹林经营方法学、定性遥感监测、生物量/碳储量遥感定量估算以及竹林地表参数定量反演等方面[2-4; 12-14]。

竹林在全球森林碳循环中发挥着重要作用，它们隔绝大气中二氧化碳(CO2)的潜力、速生丰产的特点被认为是缓解全球气候变暖的策略之一。

另外，随着国家倡导“绿水青山就是金山银山”、低碳生活等生态政策出台、竹林应对气候变化相关报告在巴黎、哥本哈根等气候大会引起反响、《中国竹子碳汇造林方法》颁布实施，使得竹林生态功能、社会效益及经济效益日益凸显，竹林碳汇功能越来越受到认可，促使竹林资源时空动态监测及其在碳循环研究方面取得进一步成果[5]，为改善全球气候变化作一份新贡献[15]。

竹林生长快、采伐周期短、面积扩张大，但目前竹林信息获取多集中在县域或省域尺度上，缺乏全国大尺度范围快速、准确的时空信息获取，使得阐明竹林生态系统碳源/汇时空格局形成的机制及对未来气候变化的响应成为难题。

遥感技术以电磁信息的形式大面积快速记录植被分布格局以及土地利用动态变化，已成为全球土地覆盖变化最有效的监测方式[16-18]，并基于不同遥感数据形成了一系列的土地覆盖分类产品，其中，遥感技术的出现、发展给大尺度植被净初级生产力研究带来新的活力。

随着遥感技术的飞速发展以及遥感数据的广泛应用[19]，单一遥感手段获取地表覆盖信息具有局限性、不连续性，应用范围受限，不能满足全球各界科学家对全球及国家尺度碳循环/储量地监测研究。

多源遥感及地面样地调查结合相关机理模型应用于植被生产力估算、评价及时空动态变化的研究越来越受到关注。

多源遥感能够实现时间分辨率、空间分辨率和光谱分辨率的互补，在多尺度、全方位森林资源监测中具有明显的优势，也是提高森林碳汇估算精度的重要技术[20]。

然而，多源遥感信息综合存在两个问题：提取精度和尺度转换，这也是地面调查与遥感监测间有机融合的关键和重要的研究领域[21]。

Terra
中国竹林遥感信息提取及NPP时空模拟研究
MODIS、NOAA_A VHRR和SPOT4_ VEGETA TION(VGT)均能应用于大尺度植被监测研究，但针对竹林这种速生、生长周期短的特点，其土地利用/覆盖(LUCC)专题信息提取运用较多的是Terra MODIS。

高分辨率影像(如SPOT5等)在提取竹林信息上具有较好的效果，其分类精度高于中分辨率遥感数据，但在省域乃至国家尺度上，采用高分辨率影像存在工作量和耗资大等问题。

另外，低分辨率遥感数据虽然适合提取大尺度竹林信息，但精度较低，还达不到省域尺度应用的要求。

因此，利用不同分辨率遥感影像能够保证较高精度地提取竹林资源信息，适用于提取大尺度竹林信息。

在分类方法选择上，如最大似然法、决策树、支持向量机、人工神经网络和随机森林等在提取竹林信息均具有较理想的精度。

竹林面积动态变化将影响整个森林生态系统的碳循环，竹林生态系统碳循环在改善全球气候变化中具有重要意义，其中，植被净第一性生产力(Net Primary Productivity, NPP)是指绿色植物在单位时间、单位面积上所累积有机物总量，即植被光合作用所产生的有机质总量(Gross Primary Productivity, GPP)减去自养呼吸(Autotrophic Respiration, Ra)的剩余部分[22-25]，反映了植物固定和转化光合产物的效率，描述了生态系统可供异养生物消费的有机物质和能量的水平，是表征植物固定CO2能力的重要指标[26]，是森林生态系统碳循环过程中重要的指示参数，是生态系统能量与物质循环的基础，是全球碳循环的关键组成部分，影响水通量、营养周期和气候变化[27]，在研究区域乃至全球碳循环和碳储量中扮演着重要角色[28]。

目前国内外专家、学者通过大量的清查数据，获得了森林生态系统碳通量/储量和碳源/汇众多的估计值，但是由于复杂陆地生态系统碳循环过程中存在大量的不确定性和数据缺乏造成了各种方法结果的较大差异性，而限制碳循环研究的主要障碍就是缺乏大尺度生态系统格局和过程定量、动态观测[29]。

由于没有一个完整的技术体系(单株-样地-区域-大尺度)支撑森林生态系统碳循环变化的全方位、多过程、立体监测，使得对植被生产力，即森林碳汇/源、碳储量/通量及其时空分布、控制机理缺乏明确的认识。

竹林生产力与其生物特性、生存环境中的水、热、光及相互叠加的作用息息相关，因此，NPP在森林生态系统碳循环中具有极其重要的作用[30-31]，估算与评价竹林生态系统净初级生产力并分析其时空动态变化对全球碳循环、碳平衡具有重要意义，并将为我国竹林资源固碳经营管理提供理论依据及实践意义。

本研究以中国竹林为研究对象，首先，对MODIS NDVI/反射率产品进行拼接、SG滤波平滑、重采样等预处理；其次，通过最大似然法获得中国林地信息；然后，利用C5.0算法决策树模型和混合像元分解方法提取中国竹林丰度专题信息；最后，通过将竹林丰度、粒子滤波(Particle filter, PF)同化后竹林LAI、气象数据等驱动数据输入北部生态系统生产力模型(Boreal Ecosystem Productivity Simulator, BEPS)获取精度较高的中国竹林净初级生产力分布专题图及时空动态
1绪论
变化，研究结果为中国竹林合理经营管理、科学规划提供数据支撑，也为大尺度竹林生态系统碳循环、碳储量时空模拟提供参考。

1.2国内外研究现状与发展趋势
1.2.1竹林遥感信息提取方法研究现状与发展趋势
竹林分布信息是森林生态系统碳循环中重要的组成成分之一，也是森林生产力遥感机理模型不可或缺的驱动参数。

因此，如何快速、准确获取竹林时空动态信息对竹林生态系统碳循环以及森林生产力具有重要的意义。

传统方法获取竹林资源数据主要是通过一、二类森林资源清查获得，该方法对于竹林这种扩张性较强[32-33]、扩鞭繁殖、生长周期短、更新换代迅速的植被类型，时间间隔较长，且耗费大量人力、物力、财力，尤其是我国竹林资源大多分布在南方多山丘陵、边远等监测难度较大的地方[34]，难以实现竹林信息实时准确的获取，难以有效进行我国竹林资源的数据更新及合理规划、经营和病虫害、冰雪灾害等监测和预报工作。

遥感技术具有实时、动态、大范围监测的特点[35]，为获取大尺度竹林信息提供技术支撑，是目前最受重视的碳循环宏观研究手段之一。

遥感是无需与观测物直接接触，而是通过传感器装置获得监测对象的有关信息(如电磁波、电场、磁场等)，并进行分析、加工和表达等的一种多学科交叉的综合技术[35-37]。

目前，国际上已拥有多种不同用途的地球观测卫星系统，且空间分辨率多样：全色波段范围为0.8-5m，多光谱2.44-30m[38-39]，此外，如微波遥感、高光谱遥感等新型传感器不断涌现与迅速发展。

遥感技术在竹林信息获取方面具有快速、便捷、宏观、经济、全方位、实时动态监测等优势[40]。

由于我国是世界竹林分布中心，素来有―竹子王国‖的称誉，实时了解我国竹林资源时空动态变化及其净初级生产力具有重要的意义。

基于多种卫星遥感数据的竹林信息提取方法研究取得了长足有效的进展，主要集中在竹林资源较丰富的国家，如中国、印度、日本、泰国等。

在高分遥感方面，多以IKONOS、SPOT5、World-View2、ALOS、航片等为数据源，因影像分辨率高，利用影像光谱特征、波段运算衍生变量、纹理信息和几何形状等空间属性，并基于像元、面向对象多尺度分割等技术实现了竹林信息提取[41-46]，获取竹林信息精度一般到达90%左右。

中分辨率遥感方面，多以Landsat系列为数据源获取竹林信息，如Somyot等[47]通过目视解译方法，估测泰国北部和西部的竹资源产量；杜华强等[48]通过波段特征并结合相关辅助数据采用光谱特征模型、支持向量机、光谱角填图和最大似然法提取了研究区竹林信息，其中，光谱角特征模型分类方法最好，竹林分类精度达到88.8%以上；蔡华利[34]通过Landsat TM 与ALOS数据波段选择和融合的基础上，比较分析了4种分类方法，结果表明支持向量机分类精度最高，达到82.52%，远高于其他3种分类的结果精度；官
中国竹林遥感信息提取及NPP时空模拟研究
凤英等[49]通过对比3种分类方法实现竹林信息提取，研究表明：子像元分类精度最高，其次为光谱分类，最大似然法精度最低；Li等[45]采用随机森林方法从TM影像中获取浙江省竹林及时空动态信息，提取精度在85%-90%之间。

低分辨率竹林信息提取精度不高，李俊祥等[50]利用NOAA_A VHRR，采用ISODA TA算法对我国东部地区植被进行分类，其中竹林分类精度仅为28.7%，闽北西北武夷山、赣东、赣西等竹林分布区的竹林信息均未提取出来；然而，大尺度地表覆盖研究中混合像元问题一直存在，混合像元问题一直是遥感定量化研究中不可避免的障碍，基于此，前人提出了多种混合像元分解方法：线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型等[51]。

如徐小军等[52]采用基于高斯误差函数(Gaussian error function, Erf)作为激活函数的BP神经网络(Erf-BP)从TM 影像提取浙江省安吉县毛竹林信息，其用户精度达到91.94%，与实地调查样地验证，精度达到82.19%；Shang等[53]首先通过最大似然法从MODIS MOD13Q1产品提取长江三角洲(包括江苏南部，上海，浙江北部)获得林地信息，总精度为92.7%，Kappa系数为0.8，其次利用匹配滤波(Matched Filtering,MF)技术提取毛竹林信息，MF_MODIS bamboo与TM_MODIS bamboo之间R2达到0.864；Du等[8]整合MODIS NDVI/反射率产品与Landsat8 OLI数据，采用决策树方法成功获取全球竹林空间分布信息，与检验样本相对比，总体精度达78.81%。

虽然目前基于中低分辨率MODIS大尺度上提取竹林信息研究取得进展，但是缺乏我国国家尺度上竹林信息的获取。

1.2.2森林生态系统生产力研究现状与发展趋势
如上所述，遥感快速准确地定性/定量分类对研究森林生态系统生产力的时空动态变化具有重要意义。

森林作为陆地生态系统的主体，是地球生物圈的重要组成部分，在全球碳水循环和能量交换中起着关键作用[54-56]，且与全球气候变化有着密切的关系。

与其他植被类型相比，森林具有分布范围广，固碳效率高，及生物量累积快等特点，在陆地生态系统碳循环中发挥着重要的作用[57]。

因此，研究森林生态系统生产力具有重要意义。

1.2.2.1传统森林生态系统生产力研究
传统森林生态系统生产力的研究方法主要包括样地调查和微气象法。

早期的研究始于1882年德国林学家，其通过树枝落叶量与木材重量的测定[58]，研究了森林干物质的生产力，此方法沿用至目前；随之，出现了利用其他清查数据计算碳贮存量的方法，该方法虽然可以获得全球尺度上的森林生态系统碳储量，但是耗费大量的人力、物力，且空间上受限、较难实现长时间监测。

Dixon等[59]通过估算森林生态系统植被与土壤碳库总量，结果表明两者贮存了1146Pg C碳储量；IPCC公布植被、土壤碳库占全球陆地生态系统总碳库(2477Pg C)的46%。

尽管清查数据精度较高，但在区域尺度上旨在为行政单位提供平均木材量，而没有提
1绪论
供与土地利用变化分辨率吻合的生物量专题图[54]，热带森林部分数据缺失。

方精云[60]等通过建立16000个全国尺度上森林、草地等陆地生态系统样本碳储量数据库，估算出中国陆地生态系统净初级生产力约为2.84Pg C a-1。

已有研究表明，由清查数据等短时间内获得的数据估算森林生产力可能存在偏高[61]；大尺度森林生产力研究的关键突破口：一是所选样本是否具有代表性[62]；二是所选择的计算方法及由此产生的一系列误差[63]。

陆地生态系统与大气交换通量存在尺度差异、变化特征不同等问题，因此，国内外利用微气象原理建立了地面碳水通量观测点，并连续观测陆地与大气之间能量、水和CO2通量变化。

利用微气象法，如涡度相关、质量平衡、波文比法等，使准确持续地测定碳交换通量成为可能。

1895年雷诺率先提出雷诺分解法，为涡度相关技术提供了理论框架，并于20世纪70年代开始应用于森林生态系统CO2通量的研究[64]。

涡度相关技术测量碳通量存在能量不闭合与低估现象，而造成能量不闭合的一个重要原因可能是碳通量的低估[65]。

此外，涡度相关技术对研究区下垫面的高要求和夜间观测的不确定性，使得生态系统的长期碳收支计算存在一定的偏差。

目前全球约有250个涡度相关通量观测站点，如：国外有Harvard forest EMS，AmeriFlux，EuroFlux等站点，国内有中国科学院在广东省鼎湖山、江西千烟洲等的观测站点及浙江农林大学分别在浙江临安、安吉建立的竹林CO2通量观测站和天目山常绿落叶阔叶混交林CO2通量观测站，已形成区域及全球性的研究网络，尽管目前涡度相关技术是碳通量研究的标准方法，但就其方法本质仍是小尺度的观测方法，很难开展大尺度、动态的森林生态系统碳循环研究[58; 66-67]。

张丽景采用MODIS数据和浙江安吉竹林CO2通量观测数据通过VPM模型估算出毛竹林GPP，结果显示安吉山川乡毛竹林2011年全年为碳汇；吴朝阳等[68]比较了VPM、TG、VI模型并结合MODIS数据和通量观测数据估算了哈佛落叶阔叶林的NPP，结果表明3种模型均高于MODIS NPP产品，VPM 精度最高；孙成等[69]分析了毛竹林净初级生产力为668.4gC m-2 a-1，且月尺度上均表现为碳汇，表明毛竹林具有极强的固碳能力。

涡度相关法估算的碳通量比较接近于生态系统真实值，因此，该方法被广泛的运用于站点尺度的碳通量的估算。

但涡度相关法需要在通量塔上设置很多测量仪器，并且受到尺度的局限，很难应用到大尺度碳通量的估算。

随着遥感卫星技术的快速发展，利用遥感信息技术来估算站点、区域以及全球生态系统碳通量，已成为一种全新的方式，免去了传统碳通量估算大量的野外调查工作。

在陆地生态系统碳循环模型研究中，遥感数据为模型提供生化参数、模型初始值以及对模型模拟值进行验证。

1.2.2.2森林生态系统生产力模型介绍
森林生态系统生产力模型模拟方法在20世纪60年代，由国际地圈与生物圈
5。