基于卫星和通量数据的植被初级生产力遥感反演

Remote sensing of gross primary production (GPP) is the premise of regional carbon cycling. The combination of satellite data and flux observations offers an important way to estimate GPP as flux measurement can provide the most reliable in situ GPP. Most remote sensing GPP models are based on the light use efficiency (LUE) logic, which has two main limitations including the underestimation of high GPP and low applicability among various plant functional types. The reason for these limitations is that the LUE model is based on the “big leaf” theory and does not consider the structure within a canopy. Therefore, this project will use the process based model driven by flux and in situ measured variables to estimate GPP of crops and forests. The leaf distribution and contributions from both sunlit and shaded leaves in the canopy will be considered in this process model to better represent photosynthesis process. We will also compare results from both process and LUE models to correct the limitations of the LUE model. These analyses would be useful to expand point model to regional scale and provide physical basis for GPP estimation and thus regional carbon cycling.

植被初级生产力的遥感反演是研究区域碳循环的前提。通量观测为验证初级生产力遥感反演模型提供了可靠的实测数据，因此，结合卫星遥感和通量观测成为研究植被初级生产力反演的重要方法。目前初级生产力的反演主要基于光能利用率模型，但是该模型最主要缺点是对高值区域的低估以及不同物种间的普适性低。其原因在于光能利用率模型为“大叶”模型，未考虑冠层的内部结构特征，因此卫星观测到的植被的结构特征在光能利率模型里面没有体现。本项目将选择作物和森林，利用通量数据和地面观测的参数驱动过程模型，考虑冠层内部的叶片分布以及光照和阴影部分各自对初级生产力的贡献，并分析这一结果和光能利用率模型的差异，进而实现对光能利用率模型的订正，改善后者的低估效应以及普适性不足的缺点。该研究将有助于将通量站点的模型扩展到区域尺度，实现由点及面的空间扩展，同时赋予遥感反演过程物理意义，为定量研究区域生态系统碳循环提供基础。

植被初级生产力的遥感反演是研究区域碳循环的前提，通量观测为验证初级生产力遥感反演模型提供了可靠的实测数据。项目结合了地面观测实验和多源卫星遥感数据，主要取得了以下六方面的研究成果：第一、分析了绿度-辐射模型在反演植被初级生产力中的普适性，并针对不同植被类型的响应进行了定标，实现了初级生产力的区域反演，该成果发表于ISPRS Journal of Photogrammetry and Remote Sensing (SCI, IF=6.387)。第二、光能利用率是反演植被初级生产力最主要的因子，通过定量分析冠层结构参数对光化学植被指数（PRI）的贡献，分解出了与结构参数无关的信号，提高了光能利用效率的反演精度，成果发表于Agriculture, Ecosystems and Environment (SCI, IF=4.099)。第三、植被冠层中的非光合组分（如干枯叶片和茎）对植被光合作用的贡献甚少，剔除非光合组分的影响可能提高初级生产力的模拟精度，研究发现，基于调整EVI的光合有效辐射吸收比可以显著提高遥感GPP的模拟精度，并且更加具有生态学意义，该成果发表在Agricultural and Forest Meteorology (SCI, IF=3.887)。第四、植被物候会影响生产力的年际变化，而常绿林物候的遥感反演一直是个难点，而基于水分（LSWI）和土壤因子调节（OSAVI）的植被指数在反演常绿林物候变化方面非常有效，成果发表于Remote Sensing of Environment (SCI, IF=6.265)。第五、进一步的研究发现，温度的变异系数比温度本身更能准确的反映常绿林物候的变化，并在地面数据中得到验证，成果同样发表于Remote Sensing of Environment (SCI, IF=6.265)。第六、目前多数碳循环模型对气象数据的空间分辨率要求较高，而现有卫星降水产品的空间分辨率多在25~100 km之间，项目建立了一种新的基于NDVI和DEM的卫星降水数据降尺度模型，且精度明显优于以往的降尺度模型，成果发表于Remote Sensing of Environment (SCI, IF=6.265)。