生态系统模型模拟中国叶面积指数变化趋势及驱动因子的不确定性

为了厘清中国近30 a来植被生长趋势及其对不同环境变化的响应,使用了3套长时间序列遥感叶面积指数（Leaf area index, LAI）数据集以及8套生态系统模型,对LAI变化趋势从总量、空间分布以及不同植被类型进行了分析与归因。总量上,1982~2015年遥感观测的LAI趋势（9.8×10^-3m²/m²·a）高于生态系统模型模拟的趋势（4.2×10^-3m²/m²·a）,大气二氧化碳浓度上升是主要驱动因素（（3.5×10^-3m²/m²·a）;遥感观测到全国79.5%的区域LAI都呈现显著增长的趋势,而生态系统模型模拟LAI的增长面积占比为33.1%;除草地外,生态系统模型低估了其他植被类型的LAI变化趋势。模型对降雨变化的响应过于敏感以及对人为活动模拟能力不足是模型模拟中国LAI变化趋势不确定性的重要来源。本研究定量分析了近30 a中国各种植被变化情况及其驱动因子,并对模型低估中国植被生长进行了解释,为后续中国地区植被相关研究提供了参考。     

呼伦贝尔草甸草原MODIS/LAI产品验证

以内蒙古呼伦贝尔草甸草原为研究区域,利用2013年6期地面实测数据,结合HJ-1A/B CCD高分辨率影像,经过辐射校正与模型建立,对研究区域草原生长季的MODIS/LAI产品进行验证。结果表明:在时间上,MODIS/LAI产品能够较好地反映草原的长势与物候变化。在空间上,由于MODIS/LAI产品输入数据的不确定性,MODIS/LAI产品与地面情况存在一定偏差(ΔLAI=0.59m2/m2),在呼伦贝尔草甸草原草场整个生长季都存在高估现象,平均相对误差为40%。在生长初期和末期,较大的地表异质性使MODIS/LAI产品高估现象较严重;生长中期高估现象减小,相对误差在30%以内。研究结果对了解该地区的MODIS/LAI产品精度与使用该地区MODIS/LAI产品具有重要指导意义。     

中亚地区植被净初级生产力时空动态及其与气候因子关系

植被净初级生产力(Net Primary Productivity,NPP)及其对气候变化的响应是全球变化的核心研究内容之一,研究中亚地区NPP的时空格局变化对理解植被—环境的作用机理以及应对全球变化具有重要的意义。基于MOD17A3数据集、气象数据结合GIS分析方法研究中亚地区2000~2014年的植被NPP时空动态特征及其与气候因子的关系。结果表明：①中亚地区空间上NPP的变化范围在0~874 gC/m²·a之间,平均值为151.90 gC/m²·a,NPP年总量平均值为482.41TgC (1 Tg=10¹² g),NPP平均值与总量均呈现出下降趋势;②中亚地区NPP的高值区主要分布在高纬度地区和东南部高山地区,中部和南部荒漠区则为NPP的低值区;③中亚地区2000~2014年间NPP在空间上总体呈现下降趋势,达到显著下降的区域总体面积的39.89%。NPP呈下降趋势的区域主要集中在哈萨克斯坦的大部分区域,不同分区内以典型草原区最为显著;④中亚地区NPP受降水量的影响作用高于气温,荒漠草原区、典型草原区以及荒漠区主要受到降水量的控制,高山草甸区与高山林地区则受到降水和气温的共同作用。     

Sentinel-1和Sentinel-2协同反演地表土壤水分

土壤水分是水文循环、生态环境、气候变化等研究中的关键参数,获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义,同时也是研究的难点。基于时间序列(2019年至2020年)的Sentinel-1雷达数据和Sentinel-2光学数据,构建了地表土壤水分的雷达与光学数据协同反演模型,即裸土条件下地表土壤水分的变化检测方法,并利用归一化植被指数对植被影响进行校正,实现了青藏高原多年冻土区(五道梁)100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证,结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间,无偏均方根误差介于0.031 m³/m³与0.073 m³/m³之间,土壤水分变化与区域降水事件和特征密切相关,验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。     

基于DART模型和随机森林估算山地叶面积指数

地形效应会使遥感影像中的地表反射率发生畸变,进而影响基于反射率估算的叶面积指数(Leaf Area Index,LAI)精度。为了减弱或消除地形对LAI反演的影响,基于三维辐射传输模型DART(Discrete Anisotropic Radiative Transfer)构建坡地反射率与LAI数据集作为训练数据。以反射率为输入,LAI为输出,利用随机森林算法进行训练,构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算,并利用实测数据对反演结果开展精度评价。同时,基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力,验证结果的精度(决定系数(R²)=0.57,均方根误差(RMSE)=0.77 m²/m²)优于平地反演模型(R2=0.46,RMSE=0.86 m2/m2);基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响,其反演结果较好地还原了研究区LAI的空间分布,与地面真实情况接近。研究...     

洪河湿地植被地上生物量遥感反演研究

在对洪河湿地植被地上生物量实地采样调查的基础上,利用准同步的TM数据建立了洪河湿地地上生物量遥感反演模型。主要研究了洪河湿地植被地上生物量的空间分布情况,并结合研究区的DEM分析生物量空间分布特征和高程的相关关系。并分析了不同生物量范围内,生物量与高程之间相关性存在差异的原因。研究表明:多元回归模型与其他模型相比拟合精度最高,决定系数为0.813,是洪河湿地地上生物量估算的精度最优模型;经估算得到2007年洪河湿地地上生物量主要集中分布于600~1 200 g/m²之间,总生物量为2.4856×10⁸g,平均生物量为934.7105 g/m²。通过生物量与DEM的相关分析得到,在生物量值为0~600 g/m²的低生物量分布区域,生物量与高程之间存在较好的相关性,相关系数为0.79839;在生物量为600~1 200 g/m²和1 200 g/m²以上范围内,生物量与高程值之间相关性较弱。     

中国西南山区GEOV1、GLASS和MODIS LAI产品的对比分析

叶面积指数(Leaf Area Index,LAI)是表征植被生物物理变化和冠层结构特征的关键参数,目前存在多个全球范围、长时间序列LAI产品,对其进行验证是LAI产品应用的重要前提,然而目前山区的验证工作尤其少见。在我国西南山区选取6个典型样区,考虑山区复杂地形特征,从产品时空完整性以及对山区植被时空特征表征能力等方面对GEOV1、GLASS和MODIS LAI产品进行对比分析。研究结果表明:(1)相比于地形平坦地区,在山区随海拔和地形起伏度的增加,LAI产品时空完整性呈递减的趋势,其中,GEOV1LAI表现最差,MODIS LAI次之,GLASS LAI表现最好;(2)GLASS LAI和GEOV1LAI的空间分布合理且具有较好的一致性,MODIS LAI的空间分布和二者存在差异,3种LAI产品均难以准确反映山区植被垂直带谱的变化特征;(3)草地类型LAI产品间差值较小,林地和农作物GLASS LAI和GEOV1LAI产品一致性较好,MODIS LAI产品和二者存在较大的差异;(4)GLASS LAI时间序列曲线平滑且连续,GEOV1LAI存在时间不连续现象,MODIS LAI季相变化中的波动现象比较严重;各产品不仅难以准确反映冬季的常绿针叶林LAI,而且难以准确表征样区内农田作物轮作的物候信息。对比分析有助于发现LAI产品在山区存在的问题,并为今后LAI产品的算法改进提供帮助和参考。     

基于植被指数的若尔盖高原湿地光合有效辐射吸收比例估算研究

植被光合有效辐射吸收比例（FPAR）是湿地生态系统碳收支和气候变化的关键参量,直接反映湿地植被生长发育状况。基于植被指数的经验统计方法简单高效,被广泛运用于草原、森林及作物等植被FPAR的模拟,却较少用于湿地,缺乏不同植被指数对湿地FPAR估算适应性的系统研究。研究对比了14种常见的植被指数,选出最优植被指数用于反演若尔盖高原湿地生长季FPAR。结果表明：常见的植被指数中,MSAVI指数动态考虑了土壤信息,能较好地适应湿地植被FPAR的估算,误差和R²均优于其他植被指数。若尔盖高原湿地生长季FPAR取值在0.22—0.80之间,整体分布较为均匀,泥炭湿地、湿草甸及沼泽湿地平均FPAR分别为0.46、0.63和0.58;生长季期间若尔盖高原不同类型湿地FPAR随时间呈现先增加后降低趋势。     

遥感监测2005~2015年中国NO2时空特征及分析影响因素

基于OMI对流层NO²柱浓度产品研究了2005~2015年中国及各省(市、区)NO²时空变化及影响因素:①中国对流层NO²柱浓度2005~2009年波动较小,2010~2011年升幅较大,2012年较2011年有所下降,2013年与2012年持平,2014、2015年持续大幅下降;②中国NO²高浓度分布面积11年来变化显著,五级高浓度分布面积2005~2011年呈显著上升趋势,2011年面积最大为37.2万km²;2011~2013年波动较小;2014~2015年呈直线下降趋势,2015年降低到6.1万km²;③上海、天津两市对流层NO²柱浓度处于五级高浓度水平,其中上海是中国浓度最高的城市,山东是中国浓度最高的省;④对流层NO²柱浓度的变化与第二产业生产总值相关性很大,需要调整优化产业结构降低第二产业比重才能得到改善;长期依赖燃煤高污染的能源结构也是导致NO²浓度居高不下的一个重要原因,亟需开发新能源以替代煤燃料等各种办法;机动车保有量快速增加,汽车标准及油品跟不上国际发展水平,导致NO²排放量大增。     

祁连山区植被净初级生产力的空间变化特征分析

基于MODIS数据分析了2000~2010年祁连山区植被净初级生产力(Net Primary Productivity,NPP)的空间变化特征。结果显示:祁连山区植被NPP并不高,多年平均植被NPP仅为121.95gC/(m2·a),自东向西植被NPP逐渐减少。不同植被类型其NPP具有明显差异,大体上为:常绿阔叶林平原草地常绿针叶林典型草地农田高寒草甸草地荒漠草地落叶针叶林。祁连山区植被NPP变化在区域间也存在差异。植被NPP呈增长趋势的地区主要分布在青海年南山、拉脊山、达坂山和青海湖及其西侧,约占47.30%;乌鞘岭东部及以东的地区(约占1.97%)植被NPP呈减少趋势。降水是祁连山区植被NPP变化的主要因素,气温对植被NPP的影响并不明显,不合理的人类活动可能是造成部分区域植被NPP减少的重要原因。     

联合无人机激光雷达和高光谱数据反演玉米叶面积指数

叶面积指数（Leaf Area Index,LAI）是作物长势监测及产量估算的重要指标,准确高效的LAI反演对农田经济的宏观管理具有重要作用。研究探索了联合无人机激光雷达（Light Detection and Ranging,LiDAR）和高光谱数据反演玉米叶面积指数的潜力,并分析了LiDAR数据不同采样尺寸、高度阈值、点密度对LAI反演精度的影响同时确定三者的最优值。该研究分别从重采样的LiDAR数据和高光谱影像中提取了LiDAR变量和植被指数,然后基于偏最小二乘回归（Partial Least Square Regression,PLSR）和随机森林（Random Forest,RF）回归两种算法分别利用LiDAR变量、植被指数、联合LiDAR变量和植被指数构建预测模型,并确定反演玉米LAI的最优预测模型。结果表明：反演玉米LAI的最优采样尺寸、高度阈值、点密度分别为5.5 m、0.55 m、18 points/m2,研究发现最高的点密度（420 points/m2）并没有产生最优的玉米LAI反演精度,因此单独依靠增加点密度的方法提高LAI的反演精度并不可靠。基于LiDAR变量获...     

西南地区不同山地环境梯度叶面积指数遥感反演

叶面积指数(LAI)遥感估算是植被定量遥感研究的热点之一,监测植被LAI时空变化对于研究陆地生态系统碳循环及全球变化等具有非常重要的意义。在我国西南山区设置10个50km×50km的观测样区作为研究区,其中包括5个森林生态系统样区、3个农田生态系统样区和2个草地生态系统样区。分别获取不同优势植被类型LAI地面实测数据,结合同期获取的遥感数据,考虑地形因素影响,基于偏最小二乘原理分别构建各样区LAI遥感估算模型,并采用交叉验证的方式对模型精度进行评价。结果表明:考虑了海拔、坡度和坡向等地形因子的森林LAI遥感反演模型与未考虑地形变量的模型相比,其验证精度有所提高,R2由0.30~0.75提高至0.50~0.80,RMSE由0.52~0.93m2/m2降低至0.48~0.89m2/m2;所有样区优势植被类型LAI反演模型验证R2在0.40~0.80之间,RMSE在0.22~0.89m2/m2之间。发展的LAI遥感估算方法有助于认知山地植被LAI反演的地形效应问题,可为进一步的山地植被长势监测提供科学依据。     

不同叶面积指数遥感数据模拟中国总初级生产力的时空差异

陆地生态系统总初级生产力（GPP）反映了植物吸收固定大气中CO₂的能力,是碳循环过程中的重要环节。光能利用率（LUE）模型被广泛应用于GPP模拟。叶面积指数（LAI）数据是LUE模型的重要输入数据,不同的LAI数据差异较大,从而导致GPP模拟存在很大差异。利用3种常用的卫星遥感LAI数据（MCD15、GLASS和GlobMap）和气象数据模拟中国2003~2017年的GPP,比较了3种LAI数据在中国区域的时空差异,分析不同LAI数据模拟的中国GPP的时空差异。研究结果表明：3种LAI数据在中国区域的年平均值和LAI变化趋势的空间分布格局存在明显差异,森林区域的差异较大;2003~2017年间,中国区域3种LAI年平均值均呈显著增加趋势（p<0.01）,但不同LAI数据年平均值的年际变化差异明显;站点尺度GLASS LAI模拟的GPP与观测值相关性较好;不同LAI数据模拟的中国GPP总量多年平均值差异明显,最大值为7.46 Pg C a^-1 （GLASS）,最小值为6.39 Pg C a^-1 （GlobMap）;3种LAI数据模拟的中国GPP总量在2003~2017年呈显著增加趋势（p<0.05）,但不同的LAI数据模拟的中国GPP年总量的年际变化差异明显;不同LAI数据模拟的年均GPP和GPP变化趋势的空间分布格局存在明显差异,森林和农田区域的差异较大。研究结果有助于评估由于LAI数据造成的区域GPP模拟结果的不确定性。     

黑河流域湿地、农田、草地生态系统碳通量变化特征及驱动因子分析

为了认识黑河流域湿地、农田、草地生态系统不同时间尺度的碳通量特征及与环境因子的关系,并为干旱区生态系统碳源/汇效应评估提供理论依据。采用涡度相关技术对黑河流域湿地、农田、草地生态系统进行长达7 a的碳通量、气象因子观测,分析了净生态系统生产力(NEP)、生态系统呼吸(Reco)、总初级生产力(GPP)在日际、季节、年际3种尺度的动态变化机制,并比较了碳通量与植被指数NDVI、EVI的季节变化异同。经分析发现：(1)黑河流域湿地与草地、农田生态系统均在日尺度上呈现明显的单峰“倒U”分布,草地于12:00到达峰值,湿地与农田于13:00到达峰值,峰值碳通量农田>湿地>草地;(2)季节尺度上,湿地与农田、草地生态系统碳通量以及NDVI、EVI均呈单峰“倒U”分布,6～9月生长季为明显碳吸收,7月份到达全年峰值,碳吸收峰值为农田>湿地>草地,NDVI、EVI峰值则为阿柔站>湿地站>大满站>大沙龙站。(3)年固碳能力为农田(648.90 gC/m²/a)>湿地(627.51 gC/m²/a)>草地(...     

Temporal-Spatial Variation Analysis of Net Primary Productivity and its Relationship with Climate in Central Asia

The Net Primary Productivity (NPP) of vegetation and its response to climate change is one of the key areas in research of global change. The study on spatial and temporal changes of NPP in central Asia is important to understand the mechanism of vegetation-environment action and to cope with global change. Therefore, based on the MOD17A3 dataset and meteorological data and GIS analysis method, this paper is intended to analyze the spatial pattern, temporal variation and the driving factors to NPP in Central Asia during 2000~2014. The results shows that: ①the spatial variation of NPP in Central Asia is ranged from 0 to 874 gC/m²·a, with an average of 151.90 gC/m²·a. The average annual total NPP is 482.41TgC (1 Tg=10¹² g), and both the average NPP and total NPP showed a decrease trend. ②The average NPP was higher in southeastern alpine regions and high latitudes areas than in central and southern desert areas in Central Asia. ③From 2000 to 2014, the annual NPP in central Asia showed a decrease trend with a rate of -2.05 gC/m²·a², covering 39.89% of the region with significant reduction. The areas in which NPP decreased were mainly distributed in Kazakhstan, with typical steppe zone being the most significant in five ecological zones. ④The effect of precipitation on NPP in Central Asia was stronger than that of temperature. Precipitation influenced NPP of typical steppe，desert and desert steppe more seriously, while alpine meadow and alpine forest were jointly affected by precipitation and temperature.     

巴音河流域高时空分辨率叶面积指数数据集

叶面积指数（Leaf Area Index,LAI）是表征地表特征变化的重要指标之一,也是陆表、水文等模型的重要参数。本数据集是基于增强型时空自适应反射率融合模型（ESTARFM）,将全球陆地表层卫星（GLASS）LAI(8d/500m)、中分辨率成像光谱仪（MODIS）MOD13A1和MYD13A1、陆地卫星Landsat-7 ETM+和Landsat-8 OLI数据,进行融合,得到8 d/30 m分辨率的LAI,通过分段线性内插最终得到巴音河流域高时空分辨率LAI(1 d/30 m)。对比高时空分辨率LAI(1 d/30 m)与GLASS LAI产品的时空特征,验证数据集精度。结果表明：与原始GLASS LAI相比,本数据集在空间上具有与GLASS LAI一致的分布特征,且轮廓与纹理更为清晰。在时间上,二者具有相同的月际变化特征,且由1 d/30 m LAI估算的区域月平均LAI和区域8日平均LAI与原始GLASS LAI存在显著正相关性,R2分别为0.95、0.94,Pearson积矩相关系数均为0.97,P值均小于0.01。此数据集可为陆表过程、水文循环等模拟提供重要的数据支持...     

中国区域2007~2018植被荧光时空变化与气候响应模式研究

基于GOME-2 卫星日光诱导叶绿素荧光（SIF）产品数据集,对2007~2018年中国区域SIF进行时空变化分析,探讨了中国区域SIF对气温、降水、辐射等气候变化的响应。结果表明：①中国植被区域SIF总体上呈现从东南向西北递减的空间分布,12 a间年均SIF增加了20.2%,增幅达0.034 mW/m²/sr/nm,增加区域占比为80.3%,呈显著增长区域占比25.7%,增长区域主要分布在植被较为密集的中国东部、南部和东北部。②季节尺度上,夏季SIF增加的区域和幅度最大,增幅达0.065 mW/m²/sr/nm,增加区域占比为82.1%,呈显著增长的区域占比19.4%,SIF增长区域与年均SIF的趋势基本一样。春季和秋季SIF总体也是呈增长的趋势,而冬季只在中国南部增长趋势明显。③与气候因子的偏相关响应分析表明,在寒温带针叶林区域,气温是SIF增长主要的影响因子;在暖温带及温带植被区域,降水是SIF增长主要的影响因子;在亚热带常绿阔叶林区域,影响SIF增长的更可能是人类活动;对处于较低纬度地区的热带季风雨林区域来说,辐射是SIF增长的主要影响因子。研究结果揭示了2007~2018年间的中国区域植被荧光时空变化规律及其与气候变化间的响应关系,可为全球碳循环研究提供必要的数据支撑。