中国典型植被最大光能利用率模拟
合集下载
相关主题
- 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)。
i =1 i =1 i =1 j j j
x ∈ [l , u ] , (5)
式中 , f1(x, t)和 f2(x, t)表示低温和高温对光能利用率 的胁迫作用 (无单位 ), W(x, t)为水分胁迫影响系数 (无
(5)式是一元二次方程, 表现为开口向上的一条抛物线, 在区间[l, u]内必定存在最小值, 该最小值所对应的 x 即 为模拟得到的某一植被类型的最大光利用率εmax.
i =1 j 2
2
2.1
方法
技术流程
某一植被类型最大光利用率的模拟如图 1 所示 . 对于 NPP 遥感估算模型来说 , 植被 NPP 可以由植物 吸收的光合有效辐射 (APAR) 和实际光利用率 (ε )两个 因子来表示 : NPP( x, t ) = APAR( x, t ) × ε ( x, t ), (1) 式中 , APAR(x, t)表示像元 x 在 t 月份吸收的光合有效 辐射 (单位 : MJ m−2); ε (x, t)表示像元 x 在 t 月份的实 际光利用率 (单位 : gC MJ −1). Potter 等 [7]认为在理想条件下植被具有最大光利 用率 , 而在现实条件下的最大光利用率主要受温度 和水分的影响 , 其计算如 (2)式所示 . ε ( x, t ) = f1 ( x, t ) × f 2 ( x, t ) × W ( x, t ) × ε max , (2)
第 51 卷 第 6 期
2006 年 3 月
论 文
中国典型植被最大光利用率模拟
朱文泉
(Baidu Nhomakorabea
潘耀忠
*
何 浩
于德永
扈海波
北京师范大学资源学院 , 环境演变与自然灾害教育部重点实验室 , 北京 100875; 中国气象局 , 北京城市气象研究所 , 北京 100089. * 联系人 , E-mail: lunwen75@163.com)
个气象站点 . 模拟最大光利用率时需要栅格化的气 象数据 , 并从空间上与遥感数据相匹配 . 利用 GIS 的 插值工具 , 根据各气象站点的经纬度信息 , 通过对气 象数据进行 Kriging 插值和基于 DEM 的插值 [12], 获 取像元大小与 NDVI 数据一致 投影相同的气象要素 栅格图 . ) 土地覆盖分类图 . 土地覆盖分类图来源于 欧盟联合研究中心 (The Joint Research Centre: JRC), ( 原始分类图像由中国科学院遥感应用研究所编译 ,
www.scichina.com
论 文
第 51 卷 第 6 期
2006 年 3 月
分类用的遥感数据为 2000 年的 SPOT-VGT 1km 数据 , 共分了 22 类 (表 1), 检验后的总体分类精度为 61.8%. ( ) NPP 实测资料 . NPP 实测数据来源于中国林
[13]
业部 1989~1993 年的林业普查资料 , 共包括中国 17 种森林类型 690 个观测站点的植被属性数据 , 数据 内容为立木年龄 叶面积指数 总生物量和净初级生 产力 , 以及各观测点的经度 纬度和海拔高度 . 净初 级生产力的单位是干物质的重量 , 在转换成以碳为 单位时 (gC m−2 y−1)乘了一个 0.475 的系数 [14,15].
3
3.1
结果和讨论
中国各植被类型的 NDVI 最大值与最小值
本研究中 , NDVI 最大值是指植被刚好达到全覆 盖 状 态 下 的 NDVI 值 , 并 不 是 指 某 一 植 被 类 型 的 NDVI 实际所达到的最大值 . 为了消除植被分类以及 NDVI 数据本身所固有的误差 , 本模型将植被分类精 度引进来 , 使 NDVI 最大值随分类精度的变化而作相 应调整 . NDVI 最大值分三步确定 (图 2): ( ) 在 0.0001 间距下求各植被类型 NDVI 最大值的概率分布 (图 3); ) 根据植被分类精度 x, 在概率分布区间 [(1−x)/2, (1+x)/2]内选出该植被类型的各个像元 ; ( ) 对选出 ( 的像元再计算一次 NDVI 概率分布 , 该 NDVI 概率分 布的 95%下侧分位数所对应的 NDVI 值即为 NDVI 最大值 , 而 5%下侧分位数所对应的 NDVI 值则代表 NDVI 最小值 . 第一 二步实际上是消除植被分类所 带来的误差 , 第三步取 95% 下侧分位数则在一定程 度上消除了遥感影像噪声所带来的误差 . 草原 草甸 荒漠等植被类型的 NDVI 最大值则 与耕作植被相同 ; NDVI 最小值统一采用荒漠或裸地
700
[10] −1
大光利用率进行了模拟 , 并针对不同植被分类精度 可能带来的误差对最大光利用率进行了敏感性分析 .
1
数据来源与预处理
( ) 遥感数据. 本研究所利用的气象卫星 NOAA/AVHRR NDVI 数据 , 来源于美国地球资源观 测系统 (Earth resources observation system: EROS)数 据中心的探路者数据集 (pathfinder data set: PDS), 图 像空间分辨率为 8 km×8 km, 时间分辨率为月 , 时间 序列为 1989 年 1 月 ~1993 年 12 月 . 所有数据均进行 了几何校正 大气纠正 去云处理以及传感器退化性 能的订正 , 使数据具有一致性和可比性 . 数据最后经 投 影 变 换 处 理 , 选 取 的 投 影 方 式 为 Albers Conical Equal Area 投影 . ( ) 气象数据 . 本研究所用的气象数据来源于 月平均气温 月总太阳辐射 , 以 中国气象局 , 时间为 1989 年 1 月 ~1993 年 12 月 , 数 据内容为月降水量 及各气象站点的经度 纬度和海拔高度 , 共涉及 726
关键词 光利用率 遥感 模拟 NPP NDVI 中国
植被最大光利用率 (ε max) 是指植被在没有任何限 制性的理想条件下对光合有效辐射的利用率 , 它是 植被本身的一种生理属性 , 其取值因不同的植被类 型而有所不同 [1~5]. 由于全球最大光利用率的取值对 植被净初级生产力 (NPP) 的遥感估算结果影响很大 , 人们对它的大小一直存在争议 [6]. Potter 等 [7]和 Field 等[8,9]认为全球植被的最大光利用率为 0.389 gC MJ−1; 在没有气候和其他因素的限制时 , Raymond 等 [1]认为 光利用率的上限为 3.5 gC MJ−1, 而另外的研究结果 则认为一些草本植物和其他植被的光利用率在 0.09~2.16 gC MJ−1 之间 [2~5]; 彭少麟等 [6]利用 GIS 和 RS 对广东植被光利用率进行估算时 , 所取的最大光 利用率为 1.25 gC MJ−1, 并认为 CASA 模型中所使 用的全球植被最大光利用率 (0.389 gC MJ )对广东 植被来讲偏低 . 由此可见 , 最大光利用率的确定还存 在很大分歧 , 对其进行系统的研究势在必行 . 试验点上所得到的最大光利用率实际上是该植 被类型中某一点的最大光利用率 , 而不是整个植被 . 植被最大光利用率的确定不仅 受植被类型的影响 , 而且受空间分辨率和植被覆盖 的最大光利用率 均匀程度的影响 , 在目前的科研水平下无法通过试 验来获得 , 只能通过模拟来求取 . Running 等人根据 生理生态过程模型 BIOME-BGC 对一些植被类型的 最大光利用率进行了模拟 [11], 但他所用的样本数据 大部分来自北美 , 而将这些模拟值用于全球或者其 他区域则缺乏适应性 . 基于此 , 本文利用遥感数据 气象数据和全国 NPP 实测资料对中国典型植被的最
摘要
植被最大光利用率是净初级生产力 (NPP)遥感估算的一个关键参数, 对它的大小一直存在分歧. 气象数据和中国 NPP 实测资料, 根据 NPP 遥感估算的建模思路, 采用
利用 NOAA/AVHRR 遥感数据
改进的最小二乘法对中国典型植被的最大光利用率进行了系统的模拟, 并针对不同植被分类精度可能 带来的误差对最大光利用率进行了敏感性分析. 结果表明 : 文中模拟得到的中国典型植被最大光利用 率介于光能利用率模型(CASA 模型)和生理生态过程模型(BIOME-BGC)的模拟结果之间, 与前人研究 结果比较一致; 由植被分类精度所带来的最大相对误差仅为−5.5%~8.0%, 说明了本文模拟结果具有一 定的可靠性和稳定性.
FPAR( x, t ) = (NDVI( x, t ) − NDVIi,min ) × (FPAR max − FPAR min ) (NDVIi ,max − NDVIi ,min ) + FPAR min ,
较发现 , 由 NDVI 所估算的 FPAR 比实测值高 , 而由 SR 所估算的 FPAR 则低于实测值 , 但其误差小于直 接由 NDVI 所估算的结果 , 考虑到这种情况 , Los 将这 两种方法结合起来, 取其平均值作为 FPAR 的估算值, 此时 , 估算的 FPAR 与实测值之间的误差达到最小 1). 本研究最终将 (7) 和 (8) 式组合起来 , 取其平均值作为 FPAR 的估算值 : (10) FPAR( x, t ) = α FPAR NDVI + (1 − α )FPAR SR 式中 , FPARNDVI 为 (7)式所估算的结果 ; FPARSR 为 (8) 式所估算的结果 ; α 为两种方法间的调整系数 , 在本 研究中统一定为 0.5(即取二者的平均值 ).
x ∈ [l , u ],
(4)
式中 , i 表示某一植被类型的样本数 , j 为某一植被类 型的最大样本数 , m 为 NPP 实测数据 , n 为 APAR 温 度和水分胁迫因子的乘积 , 即 APAR f1 f2 W, x 为 待定的某一植被类型的最大光利用率 , l 和 u 为各植 被类型最大光利用率的最小值和最大值 . (4) 式展开 后整理得到 : E ( x) = ∑ ni2 x 2 − 2∑ mi ni x + ∑ mi2 ,
单位 ), 反映水分条件的影响 , ε max 是理想条件下的最 −1 大光利用率(单位: gC MJ ). f1, f2 和 W 的值可以根据 朱文泉等人 [16]的研究得到 . 将 (1)和 (2)式合在一起则得到 (3)式 NPP( x, t ) = APAR( x, t ) × f1 ( x, t ) × f 2 ( x, t ) × W ( x, t ) × ε max . (3) 对于某一试验点 , 当 NPP, APAR, f1, f2 和 W 已知 的情况下 , 该试验点上的 ε max 可以由 (3)式求出 , 然后 将计算得到的众多试验点上的 ε max 按植被类型分类 , 最后根据误差最小的原则分别模拟各植被类型的最 大光利用率 . 对于某一植被类型来说 , 其 NPP 实测值与模拟 值之间的误差可用函数来表示 : E ( x ) = ∑ ( mi − ni x ) ,
图1 www.scichina.com
植被最大光利用率模拟流程 701
第 51 卷 第 6 期
2006 年 3 月
论 文
2.2
APAR 估算
利用遥感数据估算光合有效辐射 (PAR, 0.4~0.7 µm) 中被植物叶子吸收的部分 (APAR) 是根据植被对 红外和近红外波段的反射特征来实现的 . 植被吸收 的光合有效辐射取决于太阳总辐射和植物本身的特 征 , 可用 (6)式计算 [10]. APAR( x, t ) = SOL( x, t ) × FPAR( x, t ) × 0.5, (6) 式中: SOL(x, t)表示 t 月份在像元 x 处的太阳总辐射量 (MJ m−2); FPAR(x, t)为植被层对入射光合有效辐射的 吸收比例(无单位); 常数 0.5 表示植被所能利用的太阳 有效辐射(波长为 0.38~0.71 µm)占太阳总辐射的比例. 在一定范围内 , FPAR 与 NDVI 之间存在着线性 关系 [2,17~19], 这一关系可以根据某一植被类型 NDVI 的最大值和最小值以及所对应的 FPAR 最大值和最 小值来确定 , 即 :
x ∈ [l , u ] , (5)
式中 , f1(x, t)和 f2(x, t)表示低温和高温对光能利用率 的胁迫作用 (无单位 ), W(x, t)为水分胁迫影响系数 (无
(5)式是一元二次方程, 表现为开口向上的一条抛物线, 在区间[l, u]内必定存在最小值, 该最小值所对应的 x 即 为模拟得到的某一植被类型的最大光利用率εmax.
i =1 j 2
2
2.1
方法
技术流程
某一植被类型最大光利用率的模拟如图 1 所示 . 对于 NPP 遥感估算模型来说 , 植被 NPP 可以由植物 吸收的光合有效辐射 (APAR) 和实际光利用率 (ε )两个 因子来表示 : NPP( x, t ) = APAR( x, t ) × ε ( x, t ), (1) 式中 , APAR(x, t)表示像元 x 在 t 月份吸收的光合有效 辐射 (单位 : MJ m−2); ε (x, t)表示像元 x 在 t 月份的实 际光利用率 (单位 : gC MJ −1). Potter 等 [7]认为在理想条件下植被具有最大光利 用率 , 而在现实条件下的最大光利用率主要受温度 和水分的影响 , 其计算如 (2)式所示 . ε ( x, t ) = f1 ( x, t ) × f 2 ( x, t ) × W ( x, t ) × ε max , (2)
第 51 卷 第 6 期
2006 年 3 月
论 文
中国典型植被最大光利用率模拟
朱文泉
(Baidu Nhomakorabea
潘耀忠
*
何 浩
于德永
扈海波
北京师范大学资源学院 , 环境演变与自然灾害教育部重点实验室 , 北京 100875; 中国气象局 , 北京城市气象研究所 , 北京 100089. * 联系人 , E-mail: lunwen75@163.com)
个气象站点 . 模拟最大光利用率时需要栅格化的气 象数据 , 并从空间上与遥感数据相匹配 . 利用 GIS 的 插值工具 , 根据各气象站点的经纬度信息 , 通过对气 象数据进行 Kriging 插值和基于 DEM 的插值 [12], 获 取像元大小与 NDVI 数据一致 投影相同的气象要素 栅格图 . ) 土地覆盖分类图 . 土地覆盖分类图来源于 欧盟联合研究中心 (The Joint Research Centre: JRC), ( 原始分类图像由中国科学院遥感应用研究所编译 ,
www.scichina.com
论 文
第 51 卷 第 6 期
2006 年 3 月
分类用的遥感数据为 2000 年的 SPOT-VGT 1km 数据 , 共分了 22 类 (表 1), 检验后的总体分类精度为 61.8%. ( ) NPP 实测资料 . NPP 实测数据来源于中国林
[13]
业部 1989~1993 年的林业普查资料 , 共包括中国 17 种森林类型 690 个观测站点的植被属性数据 , 数据 内容为立木年龄 叶面积指数 总生物量和净初级生 产力 , 以及各观测点的经度 纬度和海拔高度 . 净初 级生产力的单位是干物质的重量 , 在转换成以碳为 单位时 (gC m−2 y−1)乘了一个 0.475 的系数 [14,15].
3
3.1
结果和讨论
中国各植被类型的 NDVI 最大值与最小值
本研究中 , NDVI 最大值是指植被刚好达到全覆 盖 状 态 下 的 NDVI 值 , 并 不 是 指 某 一 植 被 类 型 的 NDVI 实际所达到的最大值 . 为了消除植被分类以及 NDVI 数据本身所固有的误差 , 本模型将植被分类精 度引进来 , 使 NDVI 最大值随分类精度的变化而作相 应调整 . NDVI 最大值分三步确定 (图 2): ( ) 在 0.0001 间距下求各植被类型 NDVI 最大值的概率分布 (图 3); ) 根据植被分类精度 x, 在概率分布区间 [(1−x)/2, (1+x)/2]内选出该植被类型的各个像元 ; ( ) 对选出 ( 的像元再计算一次 NDVI 概率分布 , 该 NDVI 概率分 布的 95%下侧分位数所对应的 NDVI 值即为 NDVI 最大值 , 而 5%下侧分位数所对应的 NDVI 值则代表 NDVI 最小值 . 第一 二步实际上是消除植被分类所 带来的误差 , 第三步取 95% 下侧分位数则在一定程 度上消除了遥感影像噪声所带来的误差 . 草原 草甸 荒漠等植被类型的 NDVI 最大值则 与耕作植被相同 ; NDVI 最小值统一采用荒漠或裸地
700
[10] −1
大光利用率进行了模拟 , 并针对不同植被分类精度 可能带来的误差对最大光利用率进行了敏感性分析 .
1
数据来源与预处理
( ) 遥感数据. 本研究所利用的气象卫星 NOAA/AVHRR NDVI 数据 , 来源于美国地球资源观 测系统 (Earth resources observation system: EROS)数 据中心的探路者数据集 (pathfinder data set: PDS), 图 像空间分辨率为 8 km×8 km, 时间分辨率为月 , 时间 序列为 1989 年 1 月 ~1993 年 12 月 . 所有数据均进行 了几何校正 大气纠正 去云处理以及传感器退化性 能的订正 , 使数据具有一致性和可比性 . 数据最后经 投 影 变 换 处 理 , 选 取 的 投 影 方 式 为 Albers Conical Equal Area 投影 . ( ) 气象数据 . 本研究所用的气象数据来源于 月平均气温 月总太阳辐射 , 以 中国气象局 , 时间为 1989 年 1 月 ~1993 年 12 月 , 数 据内容为月降水量 及各气象站点的经度 纬度和海拔高度 , 共涉及 726
关键词 光利用率 遥感 模拟 NPP NDVI 中国
植被最大光利用率 (ε max) 是指植被在没有任何限 制性的理想条件下对光合有效辐射的利用率 , 它是 植被本身的一种生理属性 , 其取值因不同的植被类 型而有所不同 [1~5]. 由于全球最大光利用率的取值对 植被净初级生产力 (NPP) 的遥感估算结果影响很大 , 人们对它的大小一直存在争议 [6]. Potter 等 [7]和 Field 等[8,9]认为全球植被的最大光利用率为 0.389 gC MJ−1; 在没有气候和其他因素的限制时 , Raymond 等 [1]认为 光利用率的上限为 3.5 gC MJ−1, 而另外的研究结果 则认为一些草本植物和其他植被的光利用率在 0.09~2.16 gC MJ−1 之间 [2~5]; 彭少麟等 [6]利用 GIS 和 RS 对广东植被光利用率进行估算时 , 所取的最大光 利用率为 1.25 gC MJ−1, 并认为 CASA 模型中所使 用的全球植被最大光利用率 (0.389 gC MJ )对广东 植被来讲偏低 . 由此可见 , 最大光利用率的确定还存 在很大分歧 , 对其进行系统的研究势在必行 . 试验点上所得到的最大光利用率实际上是该植 被类型中某一点的最大光利用率 , 而不是整个植被 . 植被最大光利用率的确定不仅 受植被类型的影响 , 而且受空间分辨率和植被覆盖 的最大光利用率 均匀程度的影响 , 在目前的科研水平下无法通过试 验来获得 , 只能通过模拟来求取 . Running 等人根据 生理生态过程模型 BIOME-BGC 对一些植被类型的 最大光利用率进行了模拟 [11], 但他所用的样本数据 大部分来自北美 , 而将这些模拟值用于全球或者其 他区域则缺乏适应性 . 基于此 , 本文利用遥感数据 气象数据和全国 NPP 实测资料对中国典型植被的最
摘要
植被最大光利用率是净初级生产力 (NPP)遥感估算的一个关键参数, 对它的大小一直存在分歧. 气象数据和中国 NPP 实测资料, 根据 NPP 遥感估算的建模思路, 采用
利用 NOAA/AVHRR 遥感数据
改进的最小二乘法对中国典型植被的最大光利用率进行了系统的模拟, 并针对不同植被分类精度可能 带来的误差对最大光利用率进行了敏感性分析. 结果表明 : 文中模拟得到的中国典型植被最大光利用 率介于光能利用率模型(CASA 模型)和生理生态过程模型(BIOME-BGC)的模拟结果之间, 与前人研究 结果比较一致; 由植被分类精度所带来的最大相对误差仅为−5.5%~8.0%, 说明了本文模拟结果具有一 定的可靠性和稳定性.
FPAR( x, t ) = (NDVI( x, t ) − NDVIi,min ) × (FPAR max − FPAR min ) (NDVIi ,max − NDVIi ,min ) + FPAR min ,
较发现 , 由 NDVI 所估算的 FPAR 比实测值高 , 而由 SR 所估算的 FPAR 则低于实测值 , 但其误差小于直 接由 NDVI 所估算的结果 , 考虑到这种情况 , Los 将这 两种方法结合起来, 取其平均值作为 FPAR 的估算值, 此时 , 估算的 FPAR 与实测值之间的误差达到最小 1). 本研究最终将 (7) 和 (8) 式组合起来 , 取其平均值作为 FPAR 的估算值 : (10) FPAR( x, t ) = α FPAR NDVI + (1 − α )FPAR SR 式中 , FPARNDVI 为 (7)式所估算的结果 ; FPARSR 为 (8) 式所估算的结果 ; α 为两种方法间的调整系数 , 在本 研究中统一定为 0.5(即取二者的平均值 ).
x ∈ [l , u ],
(4)
式中 , i 表示某一植被类型的样本数 , j 为某一植被类 型的最大样本数 , m 为 NPP 实测数据 , n 为 APAR 温 度和水分胁迫因子的乘积 , 即 APAR f1 f2 W, x 为 待定的某一植被类型的最大光利用率 , l 和 u 为各植 被类型最大光利用率的最小值和最大值 . (4) 式展开 后整理得到 : E ( x) = ∑ ni2 x 2 − 2∑ mi ni x + ∑ mi2 ,
单位 ), 反映水分条件的影响 , ε max 是理想条件下的最 −1 大光利用率(单位: gC MJ ). f1, f2 和 W 的值可以根据 朱文泉等人 [16]的研究得到 . 将 (1)和 (2)式合在一起则得到 (3)式 NPP( x, t ) = APAR( x, t ) × f1 ( x, t ) × f 2 ( x, t ) × W ( x, t ) × ε max . (3) 对于某一试验点 , 当 NPP, APAR, f1, f2 和 W 已知 的情况下 , 该试验点上的 ε max 可以由 (3)式求出 , 然后 将计算得到的众多试验点上的 ε max 按植被类型分类 , 最后根据误差最小的原则分别模拟各植被类型的最 大光利用率 . 对于某一植被类型来说 , 其 NPP 实测值与模拟 值之间的误差可用函数来表示 : E ( x ) = ∑ ( mi − ni x ) ,
图1 www.scichina.com
植被最大光利用率模拟流程 701
第 51 卷 第 6 期
2006 年 3 月
论 文
2.2
APAR 估算
利用遥感数据估算光合有效辐射 (PAR, 0.4~0.7 µm) 中被植物叶子吸收的部分 (APAR) 是根据植被对 红外和近红外波段的反射特征来实现的 . 植被吸收 的光合有效辐射取决于太阳总辐射和植物本身的特 征 , 可用 (6)式计算 [10]. APAR( x, t ) = SOL( x, t ) × FPAR( x, t ) × 0.5, (6) 式中: SOL(x, t)表示 t 月份在像元 x 处的太阳总辐射量 (MJ m−2); FPAR(x, t)为植被层对入射光合有效辐射的 吸收比例(无单位); 常数 0.5 表示植被所能利用的太阳 有效辐射(波长为 0.38~0.71 µm)占太阳总辐射的比例. 在一定范围内 , FPAR 与 NDVI 之间存在着线性 关系 [2,17~19], 这一关系可以根据某一植被类型 NDVI 的最大值和最小值以及所对应的 FPAR 最大值和最 小值来确定 , 即 :