基于日光诱导叶绿素荧光的陆地生态系统GPP估算研究
- 格式:pdf
- 大小:4.01 MB
- 文档页数:7
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010976999.9(22)申请日 2020.09.17(71)申请人 中国科学院空天信息创新研究院地址 100094 北京市海淀区邓庄南路9号(72)发明人 吴文瑾 李新武 (74)专利代理机构 北京得信知识产权代理有限公司 11511代理人 孟海娟 阿苏娜(51)Int.Cl.G06F 30/20(2020.01)(54)发明名称一种全球通用植被总初级生产力遥感指数估算方法(57)摘要本发明公开一种全球通用植被总初级生产力遥感指数估算方法。
该方法基于全球通用植被总初级生产力遥感指数模型,采用遥感数据对陆地植被GPP实现大范围的快速估算。
拟合效果显著优于目前的NIRv指数获取的结果,而且该指数模型表现在不同植被类型和纬度之间有较好的一致性,可以准确追踪不同植被类型的物候变化,同时不易受雪的影响。
权利要求书2页 说明书5页 附图4页CN 112149295 A 2020.12.29C N 112149295A1.一种全球通用植被总初级生产力遥感指数估算方法,其特征在于,包括以下步骤:提出全球通用植被总初级生产力遥感指数模型,模型的计算公式为:GPP=A×CC×PAR×Ev+B,其中,A=0.15,B=1.3,为回归模型的经验系数,该系数全球统一,不必随不同的植被类型和地理位置进行调整;CC代表植被覆盖度;PAR是总体下行短波辐射;Ev是植被对光合有效辐射的总体转化效率,为吸收效率和利用效率的乘积;将CC通过归一化植被指数NDVI进行近似;吸收效率通过近红外波段反射率-NIR进行表征,利用效率通过叶绿素含量占总色素含量的比例-Rchl进行表征,则该模型可以进一步推导为:GPP=A×NDVI×PAR×NIR×Rchl+B;利用MODIS反射率数据分别计算每日的NDVI,NIR和Rchl均值,并通过相应产品获取PAR;基于所述全球通用植被总初级生产力遥感指数模型求得最终的植被总初级生产力值。
植物日光诱导叶绿素荧光的遥感原理及研究进展一、本文概述植物叶绿素荧光作为一种非侵入性的生物光学现象,已经成为遥感科学领域的研究热点。
叶绿素荧光主要来源于植物在吸收阳光能量后,经过一系列光化学反应产生的能量释放。
这一过程不仅能够反映植物的光合作用活性,还能提供关于植物生理状态、环境胁迫和生态系统功能的重要信息。
本文旨在深入探讨植物日光诱导叶绿素荧光的遥感原理,总结并分析近年来该领域的研究进展,以期为叶绿素荧光遥感技术的发展和应用提供理论支撑和实践指导。
文章首先将对植物叶绿素荧光的产生机制进行详细阐述,包括其光化学过程和影响因素。
在此基础上,进一步介绍叶绿素荧光遥感的基本原理和技术方法,包括荧光信号的获取、传输和处理等关键环节。
接着,文章将重点综述近年来植物叶绿素荧光遥感在生态系统监测、环境胁迫评估、作物生理状态诊断等方面的应用实例和研究成果。
文章还将对叶绿素荧光遥感面临的挑战和未来发展趋势进行探讨,以期为相关领域的研究者和技术人员提供有益的参考和启示。
二、植物叶绿素荧光的产生机制植物叶绿素荧光,作为一种光化学反应的产物,其产生机制涉及到光合作用过程中的能量转换和光保护机制。
叶绿素作为植物光合作用的核心色素,主要吸收光能并将其转换为化学能,驱动植物的生长和发育。
然而,当植物吸收的光能超过其光合作用系统所能利用的范围时,就会发生光抑制现象,导致叶绿素荧光的产生。
在光合作用的光反应阶段,植物通过叶绿素吸收光能,将水分解为氧气和电子,同时生成高能磷酸键,为暗反应提供能量。
然而,当光能过剩时,叶绿体内的反应中心会受到损伤,导致电子传递链受阻,从而产生荧光。
这种荧光是叶绿素分子在受到激发后,从高能级向低能级跃迁时释放的能量。
叶绿素荧光的产生与植物的光保护机制密切相关。
为了应对光能过剩带来的压力,植物会启动一系列光保护策略,包括非光化学猝灭(NPQ)和光呼吸等。
非光化学猝灭是一种通过热能形式耗散过剩光能的机制,而光呼吸则是在光合作用暗反应阶段通过消耗氧气和还原力来减轻光抑制。
图1 第二版TanSat XCO2逐月全球分布图[6] 22.人为排放动态监测人为CO2排放是导致全球显著增温的主要因素,进行准确的区域CO2探测对于监测和控制人为排放过程具有重要的指导意义。
传统的地面观测通常只能获取较小范围内的大气状态,并且观测站点网络也存在分布不均匀,覆盖不全面等问题。
卫星遥感具有时空连续且覆盖范围广的优点,可以很好地弥补这一缺陷。
利用卫星探测光谱反演获得的大气CO2浓度数据能够较为全面地反映区域尺度CO2浓度的分布和变化情况,有助于快速定位区域CO2排放热点,以便对区域CO2排放量进行定量估算。
TanSat获取的高精度XCO2数据产品能够分辨出高浓度背景下微小的CO2浓度变化特征,因此可以用于准确提取由于人为活动造成的CO2浓度增加量。
同时,TanSat的最佳空间分辨率为2km×2.3km,其在20km的扫描带宽内具有区域范围连续探测的能力,为区域人为活动的CO2排放监测提供了探测条件。
利用TanSat单一轨道探测数据,可以清晰地分辨出卫星扫描轨道上随着地表覆盖类型而改变的大气CO2浓度分布情况。
通常城市地区具有较高的XCO2,在郊区、山区等人为活动较少的区域,XCO2较低。
TanSat卫星数据对区域大气CO2浓度变化的敏感表征,证明了人为活动是造成大气CO2浓度升高的最主要原因。
利用单轨高精度TanSat XCO2数据,能够准确地分辨出排放过程导致的区域CO2浓度的增加量,结合风场信息,利用不同的大气化学传输模型可以估算出点源排放(如发电厂、工业排放和火山喷发等)的CO2排放量,将估算结果与排放清单的排放效率进行对比,能够对碳预算和排放政策进行有效评估。
基于卫星探测数据建立由点及面的CO2排放监测体系能够为碳中和目标的实现提供更丰富且直观的科学依据。
3.碳通量估算人为排放造成了全球气候的明显变化,准确估算全球和区域碳通量是积极应对气候变化的迫切需要,关系着全球碳循环、气候变化研究和国际气候谈判结果。
阳生叶光能利用率与光化学反射植被指数关系李师宇;于颖;范文义【摘要】[目的]对帽儿山地区主要树种的实测光谱与植被光能利用率进行统计分析,从光化学植被指数定义出发,修正PRI指数,进而得到阳生叶PRI与LUE之间较稳定的定量关系,为碳循环模型准确估计植被初级生产力(GPP)和净初级生产力(NPP)提供基础.[方法]数据采集时间为2016年8月,测量时间为10:00-15:00.LUE测定采用Li-Cor6400光合仪,叶片反射率是通过SVC HR-1024i在实验室测量获得.对实测PRI指数与LUE分针阔树种进行相关性分析和回归分析;对多波段反射率与LUE 进行逐步回归分析,提取与LUE高相关性波段,重新组合形成新的PRI指数;分针阔树种建立修正后PRI指数与LUE回归关系.[结果]1)传统PRI指数与LUE相关性分析:针阔树种阳生叶PRI与LUE的pearson相关系数为0.234(P =0.079);阔叶仅为0.121(P =0.389),相关性低;针叶相对较好为0.467(P =0.174),对针叶进一步进行回归拟合,其R2较低(R2=0.2182;P=0.174),传统PRI指数在此次研究中适用性较差.2)对多个波段反射率逐步回归分析,筛选后得到5个波段反射率组成的多元回归模型,其相关性有所提高(R2 =0.402 2,P=0.04);波段518 nm处反射率对LUE的贡献率最大,偏回归平方和R2=0.133 4.基于传统PRI定义,对PRI指数进行修正,用518 nm反射率替换531 nm处反射率,用修正PRI指数与LUE建立新的一元回归模型.3)用修正PRI指数与LUE分树种分别建立一元回归模型,其回归结果:对于针阔树种阳生叶叶片两者之间R2为0.496 9(P <0.001),RMSE为0.024 7;对于阔叶树种阳生叶叶片两者之间R2为0.404 5(P <0.001),RMSE为0.023 6;对于针叶树种阳生叶叶片两者之间R2为0.538 5(P <0.001),RMSE为0.018 9.结果与传统PRI指数构建的一元回归模型及逐步回归构建的多元模型相比,显著性有明显提高.[结论]建立帽儿山地区针阔叶树种上层阳生叶叶片修正后PRI指数与LUE的关系.相比较传统PRI指数,修正后的PRI指数与LUE有着更高的相关性;所构建的一元回归模型不管是对针叶树种还是阔叶树种都有良好适用性.【期刊名称】《林业科学》【年(卷),期】2018(054)005【总页数】8页(P177-184)【关键词】阳生叶;改进光化学植被指数;植被光能利用率;逐步回归法【作者】李师宇;于颖;范文义【作者单位】东北林业大学林学院哈尔滨150040;东北林业大学林学院哈尔滨150040;东北林业大学林学院哈尔滨150040【正文语种】中文【中图分类】S718.43陆地生态系统碳收支估算普遍依赖于碳循环模型,其关键是估计植被初级生产力(GPP)和净初级生产力(NPP)(高艳妮等,2012)。
基于植被指数和叶绿素荧光的总初级生产力估算郭健【摘要】以大满超级站的通量数据和塔基光谱数据为数据源,使用3种植被指数与光合有效辐射的乘积、叶绿素荧光分别反演玉米冠层尺度的GPP,构建线性回归模型进行建模与验证.结果表明:(1)在全时期时间序列动态分析中,VI×PAR、SIF与GPP具有较高的一致性,整体变化情况为先增大后减小,在抽雄期间达到最大值;(2)抽雄前期选择NDVI×PAR、EVI2×PAR、CIred edge×PAR为优选模型,建模数据R2>0.83,RMSE<2.00 gC/m2/d;抽雄后期选择CIred edge×PAR为优选模型,建模数据R2=0.83,RMSE=2.20 gC/m2 /d;全时期选择EVI2×PAR、CIrededge×PAR为优选模型,建模数据R2>0.79,RMSE<2.30 gC/m2/d.基于SIF建立的GPP反演模型较为稳定,建模数据R2>0.66,RMSE<2.99 gC/m2/d.【期刊名称】《北京测绘》【年(卷),期】2019(033)004【总页数】6页(P427-432)【关键词】植被指数;叶绿素荧光;总初级生产力;涡度相关系统;塔基光谱观测【作者】郭健【作者单位】西安科技大学测绘科学与技术学院,陕西西安710054;中国科学院遥感与数字地球研究所数字地球重点实验室,北京100094【正文语种】中文【中图分类】P2370 引言光合作用是全球碳循环的重要过程,而总初级生产力(Gross Primary Productivity, GPP)是碳循环研究中一个关键的指标,GPP可以反映植被通过光合作用吸收碳的能力[1]。
GPP是指单位时间和单位面积内,绿色植被通过光合作用所产生的全部有机碳总量。
目前国内外众多学者都致力于对GPP的研究,主要分为3类:生态过程模型、通量观测数据驱动模型和光能利用率模型。