基于激光雷达的生态模型参数优化

Ecological models are important tools to study ecosystem-scale carbon cycle. However, most models are with many parameters and many of which, such as vegetation structural parameters, cannot be obtained in large spatial scale. The missing of accurate measurements of these parameters can bring significant uncertainty to modelling results. Light Detection and Ranging (Lidar), known as a new active remote sensing technology, can penetrate vegetation and derive three-dimensional structural parameters. Therefore, using Lidar as a basis, this project intends to improve the simulation accuracy of ecosystem models by optimizing vegetation parameters. Specifically, this project has four objectives listed as follows: (1) taken typical forest ecosystem basin as study area, use Lidar to extract vegetation parameters at landscape scale, including leaf area index, forest height, and biomass; (2) explore the relationship between Lidar-derived vegetation parameters and various types of optical remote sensing vegetation index, and then scale up the derived landscape-scale vegetation parameters to the entire study area; (3) optimize the corresponding parameters in the selected ecosystem model by assimilating the derived vegetation parameters; (4) use field observations to calibrate the model simulation results and evaluate the simulation accuracy. The improvement of the model simulation is of great significance to the prediction of how forests response to the global climate change. Furthermore, the proposed project can also contribute to the promotion and application of Lidar technology in the field of forest ecology.

生态模型是研究生态系统碳循环的重要工具之一。然而，大多数生态模型参数众多，很多参数（如植被结构参数）无法在大尺度上通过观测获取，带来模拟的不确定性。激光雷达作为一种新兴的主动遥感技术，可以穿透植被覆盖获得三维结构参数。本项目拟以激光雷达作为技术依托，通过优化生态模型中的植被参数，改进模型模拟精度：（1）以典型流域为研究对象，利用激光雷达技术获取局地景观尺度上的植被参数，包括叶面积指数、树高和生物量；（2）探索获取的植被参数与光学遥感指数之间的关系，将观测的植被参数推绎到整个研究区域；（3）选取主流生态模型，利用数据同化的方法，将计算的参数融合到模型中，优化模型相应参数；（4）利用观测数据验证模型模拟结果，评价模型改进精度。优化模型参数，改进模拟精度对准确预测森林在全球气候变化背景下的响应具有重要意义。另外，通过本项目的执行，也可使激光雷达技术在森林生态学领域得到进一步推广与应用。

本研究以内蒙古半干旱草原流域为研究区，以阐明该地区的生态水文过程演变机理为研究目标，建立分布式水文模型（SWAT模型）与一维垂向生态模型（VPRM模型和SVAT模型），研究了影响生态水文过程关键变量的主要控制因子与机理；开发SVAT模型同化系统，同化实测土壤含水量，分析SVAT模型对水-碳通量的改进效果。主要内容包括：（1）搜集整理相应的数据，以海拉尔流域上游为例，建立SWAT模型，利用站点径流数据对模型进行了率定和验证；并设置了不同的土地利用和气候变化情景，分析土地利用和气候变化条件对径流的影响。研究结果显示SWAT模型对该流域的径流模拟效果较好（R2>0.7），且相比于土地利用变化，气候变化对该流域的径流量变化有更为显著的影响。(2)进一步在该地区建立了VPRM生态模型，模拟了草地生态系统的净生态系统交换量NEE和总初级生产量GPP并研究了影响该变量的主要控制因子。结果表明VPRM模型对NEE和GPP的模拟效果较好（R2>0.7），其中净生态系统碳交换量NEE主要受地上生物量AGB和土壤含水量SWC因子控制，总初级生产力GPP主要受地上生物量AGB控制。（3）最后，在该研究区内开发并建立了自主知识产权的土壤-植被-大气模型（SVAT模型），并基于Richards方程改进了模型中的土壤水模块，以气孔导度为核心，详细刻画了土壤水分变化对生态系统水碳通量的控制过程。利用通量站数据验证了模拟的潜热通量（LE）和净生态系统碳交换量（NEE），模拟结果显示，SVAT模型能较好的模拟潜热LE（决定系数达0.88），但该模型对净生态系统碳交换量NEE的模拟效果不佳，模型通过同化实测的土壤含水量能够改进对NEE的模拟。本研究在国外知名学术刊物发表论文20篇，（14篇SCI、6篇中文），完成了项目任务书中的目标。