融合叶绿素荧光遥感数据和生态模型的干旱区植被生产力尺度扩展研究

Dryland ecosystems occupy approximately 40% of the terrestrial surface, which is of great importance to the global carbon cycle. However, the availability of long-term measurements of carbon fluxes has lagged in drylands as compared to wetter regions and makes larger uncertainty in the observation and estimation of vegetation production of drylands. The projects selected a typical inland arid region as the research area, using the data from the fluxes tower network, integrating the solar-induced fluorescence data and the other remote sensing data, using the empirical regression models, remote sensing models and terrestrial biosphere models, to conduct the upscaling of vegetation production in drylands. On the one hand, the project will integrate the fluxes data to estimate and control the uncertainty of key parameters in estimating vegetation production using remote sensing models and terrestrial biosphere models, so as to improve the accuracy of vegetation production in dryland ecosystems. On the other hand, the project will use the model integration approach to integrate the results of multi-models and assess the influences of integrating SIF data in vegetation production modeling. It will improve the estimation of vegetation production in drylands, and thus benefit to accurately assess the magnitude, spatial patterns of vegetation production in drylands and its responses to climate change and human activities. Which will improve the understanding of the carbon cycle processes and the approach of carbon cycle models in drylands, and provide some support to the impacts assessment and adaption policy making of climate change.

干旱区占陆地生态系统面积的40%，对全球碳循环意义重大。然而相比湿润地区，干旱区观测数据的缺失使得干旱区植被生产力的观测和模拟研究都充满不确定性。本研究选择我国西北典型干旱区为研究区域，利用构建的生态系统通量观测网络数据，综合叶绿素荧光遥感数据和其他遥感数据，联合应用经验回归模型、遥感和生态过程模型等多种方法，开展干旱区植被生产力尺度扩展的集成研究。一方面，通过融合通量观测数据，估计植被生产力模型模拟中的关键参数，减少模型参数不确定，以改善干旱区植被生产力的模拟精度；另一方面，利用模型集成方法对多模型结果进行集成，定量评价不同尺度扩展模型对区域植被生产力估算的影响，并最终准确评估干旱区植被生产力的时空分布格局及其区域响应。这对于增进干旱区碳循环过程的理解和模型方法的发展产生积极影响，为气候变化的影响评估与区域适应对策的制定提供参考。

干旱区半干旱区占据全球陆地面积的41%，是重要的碳库，对全球变化非常敏感,在全球变化和碳循环研究中具有重要作用。因此，很有必要对干旱区陆地生态系统植被生产力的大小、时空格局及驱动机制进行系统评估。黑河流域是我国西北干旱区典型内陆河流域，具有独特的荒漠-绿洲-高寒草甸的生态景观结构，在维持生态系统结构和功能的稳定性方面具有十分重要的作用。本项目整合了黑河流域通量观测网络数据，系统分析了干旱区典型生态系统的碳通量、蒸散发及水分利用效率的时空特征及其影响机制。评价了当前干旱区植被生产力遥感估算模型模拟的不确定性，并利用模型-数据融合方法，融合通量站点数据改进了干旱区植被生产力遥感估算精度。同时，分析了生态模型估算植被生产力和叶绿素荧光的参数敏感性，并通过融合通量数据和叶绿素荧光遥感数据，改进了生态模型对植被生产力和叶绿素荧光的模拟精度。利用多种机器学习方法对干旱区农田生态系统的生物量进行了估算，比较了多种数据驱动方法预测干旱区农田生态系统生物量的精度差异。利用长时间遥感数据开展了干旱区植被动态变化格局，并分析了其动态变化的自然和人为驱动力。本项目的开展减少了干旱区植被生产力模拟的不确定性，改善了干旱区植被生产力的估算精度。这对于加深干旱区碳循环过程机理的认知，准确评估干旱区陆地生态系统在区域和全球碳循环中的作用具有重要意义，对于干旱区气候变化的影响评估与适应对策的制定等具有一定的参考意义。在本项目的资助下发表高质量SCI论文9篇，其中在《Agricultural and Forest Meteorology》和《Science of the Total Environment》等TOP期刊发表论文7篇，1篇论文入选ESI高被引论文并获得ChinaFlux优秀论文二等奖，相关研究成果获得广泛关注。