在总太阳辐射(TSR,total solar radiation)中,对植物光合作用有效的太阳辐射称为光合有效辐射(PAR,photosynthetically active radiation),波长范围约为400-700 nm,其吸收系数(FPAR)是碳循环研究的一个关键生理变量,也是表征植被生态系...在总太阳辐射(TSR,total solar radiation)中,对植物光合作用有效的太阳辐射称为光合有效辐射(PAR,photosynthetically active radiation),波长范围约为400-700 nm,其吸收系数(FPAR)是碳循环研究的一个关键生理变量,也是表征植被生态系统的基本变量之一。基于30米空间分辨率的Landsat反射率数据,得到青藏高原区域的地表植被类型分类结果,以及不同植被类型生长季内归一化植被指数(NDVI)累积频率的98%(NDVI_max)和2%(NDVI_min)。为克服简单比值指数(SR)和NDVI在单独估算FPAR时分别存在低估和高估的问题,构建基于SR和NDVI的FPAR联合估算模型,生产了1987-2022年青藏高原区域4-9月平均FPAR产品。FPAR作为计算植被固碳量的参数之一,可用于评价植被生态系统状态,在生态环境监测、气候变化研究以及自然资源管理等领域有广泛的潜在应用价值。本产品以Geo TIFF格式保存,空间参考为地理坐标系GCS_WGS_1984(ESPG:4326)。展开更多
为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例(Fraction of absorbed photosynthetically active radiation,FPAR)的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR...为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例(Fraction of absorbed photosynthetically active radiation,FPAR)的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR相关性的基础上优选植被指数与纹理指数,并分别以一元线性模型、多元逐步回归模型、岭回归模型、BP神经网络模型等方法估算玉米FPAR。结果表明:植被指数、纹理指数、叶面积指数3种参数与FPAR都具有较强的相关性,其中植被指数相关系数最大;在不同类型的FPAR估算模型中,BP神经网络模型的估算效果最优,FPAR估算模型决定系数R^(2)、均方根误差(RMSE)分别为0.857、0.173,验证模型R^(2)、RMSE分别为0.868、0.186,模型估算值与田间实测值间相对误差(RE)为8.71%;在不同形式的模型参数组合中,均以植被指数、纹理指数、叶面积指数3种参数融合的FPAR模型的估算与验证效果最优,说明多特征参数融合能有效改善FPAR估算效果。该研究为基于无人机多光谱遥感数据精准估算玉米FPAR及生产潜力提供了科学依据。展开更多
植被吸收光合有效辐射(Absorbed Photosynthetically Active Radiation,APAR)是植被进行光合作用中实际吸收的太阳辐射量,是植被净第一性生产力的重要指标,也是生态系统的功能模型、作物生长模型、净初级生产力模型、气候模型等的重要...植被吸收光合有效辐射(Absorbed Photosynthetically Active Radiation,APAR)是植被进行光合作用中实际吸收的太阳辐射量,是植被净第一性生产力的重要指标,也是生态系统的功能模型、作物生长模型、净初级生产力模型、气候模型等的重要参数。因此高空间分辨率和精确性的植被吸收光合有效辐射对于高精度的区域生产力及光能利用率的研究具有重要意义。对CASA(Carnegie-Ames-Stanford Approach)模型进行了改进,利用30m×30m的数字高程模型(Digital Elevation Model,DEM)数据直接计算太阳辐射,从而将其作为CASA模型的输入参数。结合多源遥感数据、气象数据,研究2015-2020年江汉平原APAR的时空分布及其影响因素。顾及江汉平原的土地利用分布特点,着重分析了江汉平原农田APAR的时空特性,研究结果较好的反映了江汉平原APAR分布。实验结果表明:(1)2015-2020年APAR年总值在3.42×10^(13)MJ-3.73×10^(13)MJ之间,总体空间分布与植被类型的分布情况相符;(2)农田月均APAR值在4月、7月高于其他月份,表现出“双峰”的特征;(3)在空间分布上,水田APAR表现出明显的纬度地带性,而旱地APAR正好相反,这可能源于种植结构重心转移;(4)通过借助地理探测器,着重考虑与植被生长相关的12个因子(包括≧10℃积温、年总日照时数、年均气温、年总降雨量、农田种植结构、年散射辐射、农田施肥、土壤类型、土壤质地(砂土、粉砂土、黏土))进行分析,结果表明这12个因素对APAR空间变异性都具有很明显的影响。对CASA的改进方法可以适用于大范围高空间精度的计算。展开更多
考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合"高光谱曲线特征吸收峰自动识别法"与"光谱吸收特征参量化法",...考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合"高光谱曲线特征吸收峰自动识别法"与"光谱吸收特征参量化法",提取对FAPAR敏感的高光谱吸收特征参数,借鉴可见光-近红外植被指数的数学形式,尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率,构建新型植被指数估算植被FAPAR,并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。结果表明:新型植被指数"SAI-VI"不仅有效提高了单个光谱吸收特征参数在高、低覆盖区域估算FAPAR的精度,而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,标准误差与平均误差系数也相应最小)。研究表明:融入可见光-近红外高光谱吸收特征的新型植被指数"SAI-VI",强化了可见光波段与近红外波段光谱吸收特征的差别,相较单一光谱吸收特征参数,在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。同时,"SAI-VI"有效综合了对植被FAPAR敏感的光谱吸收特征信息,相较原始光谱反射率,能表达植被光合有效辐射吸收特征的更多细节信息,可作为植被冠层FAPAR反演的新参数,一定程度上弥补当前植被指数法估算FAPAR的不足。展开更多
海洋初级生产过程是海洋碳循环的重要组成部分,影响生物地球化学循环和全球气候变化。浮游植物作为海洋初级生产的主要贡献者,按粒径大小可分为小型(micro粒级,>20μm)、微型(nano粒级,2~20μm)和微微型(pico粒级,<2μm)。不同粒...海洋初级生产过程是海洋碳循环的重要组成部分,影响生物地球化学循环和全球气候变化。浮游植物作为海洋初级生产的主要贡献者,按粒径大小可分为小型(micro粒级,>20μm)、微型(nano粒级,2~20μm)和微微型(pico粒级,<2μm)。不同粒级浮游植物初级生产力(size-fractionated primary production,PP_(size))对总初级生产力贡献不同,在海洋物质能量流动及碳循环中扮演着不同角色。本文基于2019年南海西部夏季航次12个站位的生物光学剖面数据,研究了南海西部分粒级浮游植物叶绿素a浓度和初级生产力的空间分布及它们对总叶绿素a浓度和总初级生产力的贡献百分比。利用各粒级670nm波段的浮游植物吸收系数[size-fractionated phytoplankton absorption coefficient at 670nm,a_(ph-size)(670)]与光合有效辐射(photosynthetically active radiation,PAR)的乘积[a_(ph-size)(670)×PAR]建立了南海分粒级初级生产力算法,对于小型、微型和微微型浮游植物数据集,log[a_(ph-size)(670)×PAR]与log(PP_(size))之间的决定系数R^(2)分别为0.64、0.76和0.67。交叉验证的结果表明,该算法具有良好的泛化性能。其性能显著优于仅利用浮游植物吸收系数估算分粒级初级生产力的算法,表明PAR是影响分粒级初级生产力变化的重要因素之一。采用基于叶绿素a浓度的算法估算各粒级初级生产力时,针对小型和微微型浮游植物数据集,该算法的性能与本文构建的算法近似;但针对微型浮游植物数据集时,基于叶绿素a浓度的算法性能显著较低,这可能归因于微型浮游植物吸收系数与叶绿素a浓度间的弱相关性。展开更多
文摘估算并消除冠层非光合组分(non-photosynthetic vegetation,NPV)吸收的光合有效辐射,对准确估算生态系统总初级生产力(gross primary productivity,GPP)具有重要意义。以落叶阔叶林为例,通过设置不同情景,应用任意倾斜叶片散射(scattering by arbitrary inclined leaves,SAIL)模型进行冠层光合有效辐射吸收分量(fraction of absorbed photosynthetically active radiation,FPAR)的分层模拟,分析冠层NPV的FPAR的变动及其对冠层FPAR的贡献,并初步探讨落叶阔叶林NPV的FPAR的估算方法。结果表明,冠层NPV的FPAR的大小与冠层结构相关,在高覆盖度植被区NPV对冠层FPAR的贡献通常较小,但在低植被覆盖区的贡献会较高;NPV降低了冠层在近红外波段的反射;增强型植被指数(enhanced vegetation index,EVI)与NPV的FPAR存在显著的线性负相关关系,可用来描述NPV的变化。
文摘在总太阳辐射(TSR,total solar radiation)中,对植物光合作用有效的太阳辐射称为光合有效辐射(PAR,photosynthetically active radiation),波长范围约为400-700 nm,其吸收系数(FPAR)是碳循环研究的一个关键生理变量,也是表征植被生态系统的基本变量之一。基于30米空间分辨率的Landsat反射率数据,得到青藏高原区域的地表植被类型分类结果,以及不同植被类型生长季内归一化植被指数(NDVI)累积频率的98%(NDVI_max)和2%(NDVI_min)。为克服简单比值指数(SR)和NDVI在单独估算FPAR时分别存在低估和高估的问题,构建基于SR和NDVI的FPAR联合估算模型,生产了1987-2022年青藏高原区域4-9月平均FPAR产品。FPAR作为计算植被固碳量的参数之一,可用于评价植被生态系统状态,在生态环境监测、气候变化研究以及自然资源管理等领域有广泛的潜在应用价值。本产品以Geo TIFF格式保存,空间参考为地理坐标系GCS_WGS_1984(ESPG:4326)。
文摘为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例(Fraction of absorbed photosynthetically active radiation,FPAR)的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR相关性的基础上优选植被指数与纹理指数,并分别以一元线性模型、多元逐步回归模型、岭回归模型、BP神经网络模型等方法估算玉米FPAR。结果表明:植被指数、纹理指数、叶面积指数3种参数与FPAR都具有较强的相关性,其中植被指数相关系数最大;在不同类型的FPAR估算模型中,BP神经网络模型的估算效果最优,FPAR估算模型决定系数R^(2)、均方根误差(RMSE)分别为0.857、0.173,验证模型R^(2)、RMSE分别为0.868、0.186,模型估算值与田间实测值间相对误差(RE)为8.71%;在不同形式的模型参数组合中,均以植被指数、纹理指数、叶面积指数3种参数融合的FPAR模型的估算与验证效果最优,说明多特征参数融合能有效改善FPAR估算效果。该研究为基于无人机多光谱遥感数据精准估算玉米FPAR及生产潜力提供了科学依据。
文摘考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合"高光谱曲线特征吸收峰自动识别法"与"光谱吸收特征参量化法",提取对FAPAR敏感的高光谱吸收特征参数,借鉴可见光-近红外植被指数的数学形式,尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率,构建新型植被指数估算植被FAPAR,并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。结果表明:新型植被指数"SAI-VI"不仅有效提高了单个光谱吸收特征参数在高、低覆盖区域估算FAPAR的精度,而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,标准误差与平均误差系数也相应最小)。研究表明:融入可见光-近红外高光谱吸收特征的新型植被指数"SAI-VI",强化了可见光波段与近红外波段光谱吸收特征的差别,相较单一光谱吸收特征参数,在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。同时,"SAI-VI"有效综合了对植被FAPAR敏感的光谱吸收特征信息,相较原始光谱反射率,能表达植被光合有效辐射吸收特征的更多细节信息,可作为植被冠层FAPAR反演的新参数,一定程度上弥补当前植被指数法估算FAPAR的不足。
文摘海洋初级生产过程是海洋碳循环的重要组成部分,影响生物地球化学循环和全球气候变化。浮游植物作为海洋初级生产的主要贡献者,按粒径大小可分为小型(micro粒级,>20μm)、微型(nano粒级,2~20μm)和微微型(pico粒级,<2μm)。不同粒级浮游植物初级生产力(size-fractionated primary production,PP_(size))对总初级生产力贡献不同,在海洋物质能量流动及碳循环中扮演着不同角色。本文基于2019年南海西部夏季航次12个站位的生物光学剖面数据,研究了南海西部分粒级浮游植物叶绿素a浓度和初级生产力的空间分布及它们对总叶绿素a浓度和总初级生产力的贡献百分比。利用各粒级670nm波段的浮游植物吸收系数[size-fractionated phytoplankton absorption coefficient at 670nm,a_(ph-size)(670)]与光合有效辐射(photosynthetically active radiation,PAR)的乘积[a_(ph-size)(670)×PAR]建立了南海分粒级初级生产力算法,对于小型、微型和微微型浮游植物数据集,log[a_(ph-size)(670)×PAR]与log(PP_(size))之间的决定系数R^(2)分别为0.64、0.76和0.67。交叉验证的结果表明,该算法具有良好的泛化性能。其性能显著优于仅利用浮游植物吸收系数估算分粒级初级生产力的算法,表明PAR是影响分粒级初级生产力变化的重要因素之一。采用基于叶绿素a浓度的算法估算各粒级初级生产力时,针对小型和微微型浮游植物数据集,该算法的性能与本文构建的算法近似;但针对微型浮游植物数据集时,基于叶绿素a浓度的算法性能显著较低,这可能归因于微型浮游植物吸收系数与叶绿素a浓度间的弱相关性。
