共查询到7条相似文献,搜索用时 62 毫秒
1.
日光诱导叶绿素荧光作为光能在叶片上光合作用的伴生产物,包含丰富的光合信息,被认为是可以表征植物光合作用的快速、无损“指示器”。叶绿素荧光在研究植物胁迫、病虫害监测、估算植被总初级生产力(Gross Primary Production, GPP)等方面发挥着独特的作用。陆地植被GPP是研究全球气候、碳循环变化、全球生态系统等的重要内容。准确、及时地掌握GPP的时空分布特征,有利于深入理解生物圈与大气圈之间的相互作用,可为开展减缓全球气候变化的生态过程管理提出相应建议和对策。相比于植被指数,叶绿素荧光对植被光合作用的敏感程度更高,已被证实可以更直接有效地监测GPP,显著优于传统的GPP估算方法。深入探讨了叶绿素荧光在遥感估算GPP领域的基本原理、方法、不确定性以及最新进展,并对其面临的挑战和未来趋势进行了分析。 相似文献
2.
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。 相似文献
3.
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 总被引:1,自引:0,他引:1
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。 相似文献
4.
植被物候是监测陆地生态系统和全球气候变化的重要生物指标。基于经典遥感植被指数的陆表物候监测在不同植被类型的精确分析方面存在较大挑战,日光诱导叶绿素荧光(SIF)可以直接反映植被实际光合作用的动态变化,能够更精确地刻画出植被的年际变异。本研究基于2001~2020年GOSIF数据集,通过D-L拟合函数和动态阈值法提取东北地区植被物候参数,结合一元线性回归分析、稳定性和持续性分析,在多时空尺度下分析2001~2020年东北地区植被物候的时空演变特征,并探讨植被物候对气候变化的响应机制。结果表明:(1)植被生长季开始(Start of Season,SOS)、结束(EndofSeason,EOS)、生长季长度(LengthofSeason,LOS)和生长峰值(Position of Peak,POP)整体上分别呈现出提前、推迟、延长和提前趋势;(2)草丛SOS提前、EOS推迟趋势较为显著,针叶林EOS提前趋势显著;SOS提前、EOS推迟导致LOS延长,除针叶林外,所有植被类型LOS均呈现出延长趋势;除草丛和草原外,其余植被类型POP均呈提前趋势;(3)20年来植被SOS、EOS、LOS和PO... 相似文献
5.
陆地生态系统的碳汇功能是生态系统服务功能的重要方面,在减缓气候变化中起着重要作用,准确地评估陆地生态系统碳源/汇时空变化是有效预测气候变化的重要基础。基于碳源/汇形成过程中各分量间的相互关系,结合MODIS GPP数据产品和区域统计年鉴数据,对2000~2014年辽宁省陆地碳源/汇的强度及空间格局分布进行定量化评估。结果表明:①辽宁省陆地碳源/汇呈现东部高、西部低的变化趋势,东部呈现显著的碳吸收功能,碳吸收强度超过250 gC m-2 a-1,但在辽宁中部、西部及北部地区则出现明显的碳排放。②沈阳的年均碳排放量(1.43 TgC a-1)约占辽宁省各地市净碳排放总量(4.56 TgC a-1)的三分之一,是全省碳排放的主体。③沈阳陆地生态系统总体表现为碳源,城区碳排放强度相对较弱,仅为26 gC m-2 a-1,近似表现为碳中性。本文基于碳源/汇形成过程定量分析辽宁陆地碳源/汇强度及其空间分布规律,为今后其他区域碳源/汇的模拟提供理论依据和方法借鉴。 相似文献
6.
Land surface phenology is defined as the seasonal timing of life cycle events of vegetated land surface on local or global scale.Most studies of vegetation phenology in China’s temperate zone are focused on single vegetation type in certain area,the studies about long-time vegetation phenology on large scale is rare.The influence of vegetation phenology on GPP(gross primary productivity) remains to be determined.Using Moderate Resolution Imaging Spectroradiometer(MODIS) MCD12Q2 data from 2001 to 2014,start of growing season(SOS),end of growing season(EOS) and length of growing season(LOS) in temperate China(>30°N) are obtained.GPP from MODIS MOD17A3 data for the same period is also obtained.Using regression analysis and correlation analysis methods,spatial and temporal patterns of SOS,EOS and LOS are analyzed.The impacts of SOS,EOS and LOS on interannual variability of GPP are also analyzed.Results show that the average and standard deviation of SOS,EOS and LOS from 2001 to 2014 are 121±10,270±12 and 153±12 days,respectively.The trend of earlier SOS,delayed EOS and increased LOS are not significant(p>0.05),but LOS shows positively correlated to GPP.The spatial distribution of annual average LOS and GPP from 2001 to 2014 presents an increase trend from northwest to southeast.Regions with significant interannual variation(p<0.05) of SOS,EOS and LOS are 13%,21% and 13.2%,respectively.Regions of significant correlation(p<0.05) of SOS,EOS and LOS to GPP account for 8.31%,9.33% and 8.72% of the study area.GPP has mainly medium correlations(p<0.05,0.5<|r|<0.8) to SOS,EOS and LOS. 相似文献