基于不同遥感数据估算全球陆地初级生产力与蒸散发的对比研究

摘要

本研究以全球陆地植被生态系统为研究对象，利用涡度相关通量（Eddy-Covariance Flux Tower Network，EC）观测数据、欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）再分析气象数据、中分辨率成像光谱仪产品（moderate-resolution imaging spectrometer，MODIS）数据、美国国家航天航空局(NASA)全球检测与模型组（glaobal inventory modelling and mapping studies，GIMMS）叶面积指数（Leaf Area Index，LAI） GIMMS LAI3g数据，采用光能利用率（Light Use Efficiency，LUE）模型和（Remote Sensing Penman Monteith，RS-PM）模型，估算并研究了全球陆地植被总初级生产力（Gross Primary Productivity，GPP）、蒸散发（Evaportranspiration，ET）以及水分利用效率（Water Use Efficiency，WUE）的时空分布情况，并结合现有的MODIS17 GPP和MODIS16 ET产品及通量站点观测结果进行对比分析。主要工作和成果如下：
　　基于MOD15 LAI、GIMMS LAI3g两种LAI产品结合ECMWF气象再分析数据，采用MODIS GPP模型和MODIS ET模型（RS-PM）分别估算全球陆地植被2001年至2010年的总初级生产力GPPMOD15、GPPLAI3g和地表蒸散ETMOD15、ETLAI3g，分别结合GPP，ET估算全球陆地植被水分利用效率WUEMOD15、WUELAI3g。估算结果经过全球21个通量站点的验证，并结合MODIS17 GPP产品和MODIS16 ET产品分析了它们在时空变化上的异同。
　　结果表明：（1）其中3种GPP模拟精度如下：GPPMOD17精度最高，而GPPLAI3g与GPPMOD15精度比较接近，ET模拟精度：ETMOD16>ETLAI3g>ETMOD15。（2）3种GPP和ET产品整体上具有一致的季节性波动，其中春季和秋季模拟效果要优于夏季和冬季。（3）全球年均GPP总量对比，GPPLAI3g与GPPMOD15估算比较接近通常默认的120Pg·C·yr-1，分别为122.54Pg·C·yr-1和119.46Pg·C·yr-1，比较准确，而GPPMOD17偏低；陆地年均蒸散，ETMOD16最高，年均ET达到571.37mm·yr-1，ETLAI3g和ETMOD15分别为556.28mm·yr-1，532.04mm·yr-1。
　　综上所述，相比MODIS15 LAI只能提供自2000年至今的数据且存在一定的精度问题，GIMMS LAI3g能够更好地模拟全球GPP和ET，并且在时空上与现有的MODIS GPP和MODIS ET数据产品有较相近的水平，可以用来研究分析更长时间序列的GPP和ET。

目录

声明

致谢

1 绪论

1.1 研究背景与意义（Research Background and Significance）

1.2 相关概念（Related Concepts）

1.3 国内外研究现状(Research Status at Home and Abroad)

1.4 研究内容与技术路线(Reserch Contents and Technical Route)

2 数据与研究方法

2.1 模型驱动与验证数据（Model’s Data of Forcing and Validation）

2.2 研究方法（Methods）

2.3 统计方法（Statistical Methods）

2.4 本章小结（Summary）

3 站点尺度GPP、ET估算验证分析

3.1 通量观测数据季节性波动分析(Anal ysis of the Ti me Variation Characteristics of Tower-measured GPP and ET)

3.2 GPP 估算结果验证 (Validation of Gross Primary Production Based on LAI Data)

3.3 ET估算结果验证（Validation of Evapotranspiration Based on LAI Data）

3.4 WUE估算结果及验证（Validation of Water Use Efficiency）

3.5 本章小结（Summary）

4 全球尺度GPP估算及对比分析

4.2 年均 GPP 空间分布 特征分析(Spatial Distribution Characteristics Analysis for Annual GPP)

4.3 全球陆地月均 GPP 时空变化特征(Temporal and Spatial Variations of Monthly GPP)

4.4基于AVHRR LAI3g的长时间序列GPP估算(Long-term GPP series Estimated by AVHRR LAI3g)

4.5 本章小结(Summary)

5全球尺度ET估算及对比分析

5.1 ET年际变化（Interannual variability of Estimated Global ET)

5.2 年均ET空间分布特征分析(Spatial Distribution Characteristics Analysis for Annual ET)

5.3 全球陆地月均 ET 时空变化特征(Temporal and Spatial Variations of Monthly ET)

5.4 基于 AVHRR LAI3g 的长时间序列 ET 估算(Long-term ET series estimated by AVHRR LAI3g)

5.5 本章小结（Summary）

6全球尺度WUE估算及对比分析6 Comparision and Analysis for Modeled Global WUE

6.2 年均 WUE 空间分布特征分析 (Spatial Distribution Characteristics Analysis for Annual WUE)

6.3 全球陆地月均 WUE 时空变化特征(Temporal and Spatial Variations of Monthly WUE)

6.4 本章小结（Summary）

7 结论与展望

7.1 结论（Conclusions）

7.2 存在问题与展望（Existing Qusetions and Propects）

参考文献

作者简历

学位论文数据集