遥感应用模型6-植被(3)-初级生产力

FPAR的估算
在一定范围内， FPAR与NDVI之间存在着线性关 系，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；
式中，NDVIi ,max和NDVIi ,min分别对应第i种植被类 型的NDVI 最大值和最小值
FPAR 与比值植被指数RVI(SR) 也存在较好的线性 关系
总初级 生产力 自养呼吸 的消耗量
NPP作为地表碳循环的重要组成部分，不仅直接 反映了植被群落在自然环境条件下的生产能力， 表征陆地生态系统的质量状况； 而且是判定生态系统碳源/ 汇和调节生态过程的 主要因子，在全球变化及碳平衡中扮演着重要的 作用； 是判定大气成分，尤其是CO2浓度的变化的重要 因子，使得NPP的研究对气候具有重要的指导意 义。
水分胁迫影响系数Wε(x , t)反映了植物所能利用的 有效水分条件对光能利用率的影响，随着环境中有 效水分的增加，Wε(x , t)逐渐增大，它的取值范围 为0. 5 (在极端干旱条件下) 到1 (非常湿润条件下)；
式中，E(x, t)为区域实际蒸散量(mm)，可根据周广 胜和张新时建立的区域实际蒸散模型求取； Ep(x , t) 为区域潜在蒸散量 (mm) ；可根据 Boucher 提出的 互补关系求取。
NPP的估算模型
NPP 的 估 算 可 以 由 植 物 吸 收 的 光 合 有 效 辐 射 ( APAR) 和实际光能利用率(ε) 两个因子来表示，其 估算公式如下：
式中，APAR (x, t)表示像元x 在t月吸收的光合有效 辐射，ε(x , t)表示像元x 在t月的实际光能利用率。 光能利用率指单位土地面积上，农作物通过光合作 用所产生的有机物中所含的能量与所接受的太阳能 的比。
相对于其他模型所需要的输入参数较少，就避免了 参数缺乏而人为简化或者估计而产生的误差；
模型采用的遥感数据覆盖范围广，时间分辨率高， 能够实现对区域和全球NPP的动态监测。
CASA模型缺点
该模型是针对北美地区所有植被而建立的，世界各 地差异较大，模型参数的修改比较困难； 模型仅仅是在FPAR的估算过程中，比值植被指数最 大值Srmax 的确定时考虑了不同植被类型，但不能 很好的从本质上揭示植被类型与NPP 的关系； 光能利用率的准确估算是利用CASA 模型模拟生产力 的关键因素之一，模型作者提出在理想状态下植被 存在着最大光能利用率，不同植被类型的月值为 0.389gC MJ-1。
我国植被年净生产力及其变化
18 年来我国植被年净生产量呈波动中增加的趋势。
我国植被年净第一性生产力与年降水量的相关性 好于植被年净第一性生产力与温度之间的相关性 可以认为降水是我国植被净第一性生产力的主要 限制因子
CASA模型优点
基于植被的生理过程而建立，并在大尺度植被 NPP 研究和全球碳循环研究中被广泛应用，是目前国际 上最通用的NPP模型之一； 考虑了NPP计算的两个主要驱动变量 ,即植被所吸收 的光合有效辐射与光能利用效率，而这两个变量又 分别通过太阳辐射、NDVI、土壤水分、降水量、平 均温度等指标来体现；
第二章 植被遥感
本章主要内容
植被净初级生产力估算模型
植被净初级生产力估算模型
植被生产力是人类生活所需食物、原料及燃料的 来源。植物通过光合作用将太阳能固定并转化为 植物生物量。 单位时间和单位面积上，绿色植物通过光合作用 所产生的全部有机物同化量，即光合总量，叫总 初级生产力( GPP) ； 净初级生产力 (NPP) 则是从光合作用所产生的有 机质总量中扣除自养呼吸后的剩余部分。 NPP = GPP - Ra
早期的一些科学家利用APAR-NPP这一关系在小范 围的实验点上开展植被NPP估算，取得了一定的成 功； 但在区域及全球尺度上，由于气候类型和植被类型 的多样，其应用受到了很大的限制，问题主要存在 于一些参数的确定上，具体表现在以下方面： 不同的植被覆盖类型对NPP的估算 最大光能利用率的取值
模型架构
APAR的估算
利用遥感数据估算光合有效辐射 (PAR) 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； 式中，SOL(x, t)表示t月在像元x处的太阳总辐射量， FPAR(x, t) 为植被层对入射光合有效辐射的吸收比例 ， 常数0.5表示植被所能利用的太阳有效辐射占太阳 总辐射的比例。
很多光能利用率模型本身考虑了不同的植被覆盖 类型对 NPP 估算结果的影响，但也仅仅是在光合 有效辐射吸收比例 (FPAR) 的估算过程中，根据不 同的植被覆盖类型来确定比值植被指数最大值， 没有考虑不同的植被覆盖分类精度对 NPP 估算结 果的影响； 全球植被最大光能利用率的取值对 NPP 的估算结 果影响很大，最初的“光能利用率”模型包含一 个最大光能利用率(εmax)，然后再根据不同的环境 胁迫因子对其进行调整。如 CASA 模型就将全球 最大光能利用率取值为0. 389 g C· MJ-1
光能利用率的估算流程
在理想条件下植被具有最大光能利用率，而在现 实条件下的最大光能利用率主要受温度和水分的 影响。
式中, Tε1(x , t)和Tε2(x , t)表示低温和高温对光能利 用率的胁迫作用；Wε(x , t)为水分胁迫影响系数， 反映水分条件的影响；εmax是理想条件下的最大光 能利用率。
Tε2(x , t)的估算：Tε2(x , t)表示环境温度从最适温度 Topt(x)向高温或低温变化时植物光能利用率逐渐变小 的趋势，这是因为低温和高温时高的呼吸消耗必将 会降低光能利用率，生长在偏离最适温度的条件下 ，其光能利用率也一定会降低；
当某一月平均温度T(x, t)比最适温度Topt(x)高10 ℃或 低13 ℃时，该月的Tε2(x , t)值等于月平均温度T(x , t) 为最适温度Topt (x) 时Tε2 (x , t) 值的一半。
水分胁迫因子的估算
地面干湿程度对于植物生长有着十分重要的作用。 一般认为，土壤水分超过某一临界值时，蒸发速率 不受土壤水分供应的限制，而只与气象条件有关； 当土壤水分含量低于这一临界值时，蒸发速率除与 气象条件有关外，还随土壤水分的有效性的降低而 降低； 因此，研究用区域实际蒸散量与区域潜在蒸散量的 比值来反映土壤水分干湿程度。
误差分析
所估算的水体 ( 湖泊和河流 ) 、冰川、裸岩等无植被 地带，其 NPP 值也比较高，尤其是水体，而实际情 况下，这些无植被地带的NPP应该为0。 这主要是由遥感数据本身的空间分辨率决定的，对 于像元为 8km×8km 的 NDVI 数据和植被分类数据， 一般的河流、湖泊以及小面积分布的冰川、裸岩等 均因面积过小而无法反映出来； 更何况还存在混合像元的问题，如果某个像元刚好 跨在水域和植被上，当水域占的比例比较大时，在 分类上有可能被分为水体，而实际上里面还包含有 植被的成分，在遥感数据上则可能表现为一定的 NDVI值。
α为两种方法间的调整系数，取0. 5 (取二者的平均 值) 。
光能利用率的估算
光能利用率是在一定时期单位面积上生产的干物质 中所包含的化学潜能与同一时间投射到该面积上的 光合有效辐射能之比。 在原始 CASA 模型中，最大光能利用率是一个常数 ，取值为 0.389 。但是当该模型应用于区域尺度时 ，该设置是不合理的。 环境因子如气温、土壤水分状况以及大气水汽压差 等会通过影响植物的光合能力而调节植被的NPP。 在遥感模型中，这些因子对NPP的调控是通过对最 大光能利用率进行调节而实现的。
NPP估算方法
基于站点的实测数据估算：通过直接收获法来获 得 NPP 。站点实测法简单易行、精度高，但费时 、费力，具有破坏性，仅能用于小面积调查。 气象相关统计模型：该模型认为植被 NPP 与气候 存在一定的相关性，将气候因子如温度、 降水量 等引入模型中，建立 NPP与气候因子之间的简单 统 计 回 归 模 型 。 典 型 模 型 有 ： Miami 模 型 、 Thornthwaite模型、Chikugo模型和综合模型等。
式中， FPARmin 和 FPARmax 的取值与植被类型无 关，分别为0. 001 和0. 95；
通过对FPARNDVI和FPARSR所估算结果的比较发现 ：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； 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。将两个方程组合起来，取其平均值作 为FPAR 的估算值；
最大光能利用率分3 步来确定 首先计算所有像元的 APAR 、温度和水分胁迫因 子； 然后，挑选研究区相同时间段的NPP实测数据； 最后，根据误差最小的原则模拟出各植被类型的 εmax。
典型植被的最大光能利用率
模拟值与实测值的比较
成对的模拟值与实测值之间的相关性是比较低的， R 值仅为 0.49 ，考虑到生态环境、数据源及尺度转 换上的差异，大尺度的NPP精度验证本身也存在着 一定的不可比性，要想获得观测数据与大尺度模拟 数据间的典型相关是不可能的； 但在实测数据样方比较典型、面积足够大、数量足 够多、抽样时间也比较一致的情况下，平均值之间 还是存在一定波红外波段的归 一化指数。 LSWImax是每个像元中全年最大的地表湿润度指 数。 LSWI的取值范围为-1—1，W的取值范围为0-1
最大光能利用率的确定
月最大光能利用率εmax的取值因不同的植被类型 而有所不同，由于全球最大光能利用率的取值对 NPP 的估算结果影响很大，人们对它的大小一直 存在争议 Potter 等(1993) 和Field 等(1995 ,1998) 认为全球植 被的最大光能利用率为0. 389 g C· MJ-1 ； 没 有 气 候 和 其 它 因 素 的 限 制 时 ， Raymond 和 Hunt(1994) 认为光能利用率的上限为3. 5 g C· MJ1； 而另外的研究结果则认为一些草本植物和其它植 被的光能利用率在0. 09～2. 16 g C· MJ-1之间；
CASA模型
早在20 世纪70 年代Monteith 就发现NPP 和植被吸 收的光合有效辐射 (APAR)之间存在着稳定的关系 ：当水分和肥料处在最适的条件下 ，农作物的 NPP与APAR具有很强的线性相关； 光合有效辐射是太阳辐射中能被绿色植物用来进 行光合作用的那部分能量； 但是，不同的植被类型，或者同一植被类型在不 同的生长条件下，所获得的经验模型存在着差异 ，这就意味着植被的 NPP 受植物本身及其生长环 境的影响。
温度胁迫因子的估算
Tε1(x , t) 的估算：Tε1(x , t) 表示低温和高温对光能 利用率的胁迫作用；
式中, Topt(x)为植物生长的最适温度，定义为某一 区域一年内 NDVI 值达到最高时的当月平均气温 ( ℃ ) ；当某一月平均温度小于或等于 -10 ℃时， Tε1(x , t) 取0
光能利用率模型：建立在植物光合作用过程和光 能利用率的概念上，认为任何对植物生长起限制 作用的资源(如水、氮、光照等)均可用于NPP 的估 算。
这些因子之间通过一个转换因子联系起来，这一 转换因子是一个复杂的调节模型，或是一个简单 的比率常数。 典型模型： CASA 模型、 GLO-PEM 模型和 BEAMS 模 型等。
NPP 遥感估算模型需要在以下3 个方面作进一步的 改进与完善： 将植被覆盖分类引入模型，并考虑植被覆盖分 类精度对 NPP 估算的影响，由它们共同决定不 同植被覆盖类型的NDVI最大值，由此获得各植 被覆盖类型的比值植被指数最大值，最后实现 FPAR 的估算； 利用 NPP 实测数据，模拟出各植被类型的最大 光能利用率； 利用气象数据(温度、降水、太阳净辐射)，结合 已有的区域蒸散模型来实现水分胁迫因子的估 算。