法律状态公告日
法律状态信息
法律状态
2016-03-30
授权
授权
2014-02-19
实质审查的生效 IPC(主分类):G01V8/10 申请日:20131024
实质审查的生效
2014-01-15
公开
公开
技术领域
本发明涉及卫星遥感技术领域,尤其涉及一种利用卫星遥感图像 提供的可见光和近红外信息,结合地面观测的气象信息,进行区域陆 地生态系统呼吸的计算方法。本方法可通过时间序列上的生态系统呼 吸的估算与累积,确定区域陆地生态系统呼吸的季节动态与年总量, 属于遥感应用技术领域。
背景技术
陆地生态系统呼吸是全球碳循环中最重要的碳通量组分之一,对 特定生态系统的净碳收支起着决定作用。区域尺度上的生态系统呼吸 的准确估算是评价区域及全球生态系统碳源/汇功能、及生态系统对 不同时空尺度全球变化响应的基础和前提。可用于评估全球气候变化 以及人类行为对生态系统的影响,并可为碳交易核算及价格制定等提 供重要的参考。
现有的陆地生态系统呼吸的监测方法主要有两种,一种是基于涡 度相关的碳通量观测方法,另一种是基于生态系统呼吸对温度的响应 模型,也可以将水分因素与温度因子一起作为驱动变量,建立耦合的 生态系统呼吸估算模型。常用的耦合方式有连乘形式和Q10模型。近 十多年来,涡度相关技术经过长期的理论发展和技术进步,已经成为 全球通量观测网络(FLUXNET)中直接测定陆地生态系统二氧化碳和 水热通量的主要方法。通常假定夜间植被与大气间净生态系统二氧化 碳交换仅仅来源于生态系统呼吸,由于温度和土壤水分条件是控制生 态系统呼吸的重要环境要素,涡度相关系统夜间通量缺失数据的插补 和白天生态系统呼吸的估算通常基于生态系统呼吸对温度和水分条 件的响应特征。生态系统呼吸对温度的响应特征有多种描述,也可以 将水分因素与温度因子一起作为驱动变量,建立耦合的生态系统呼吸 估算模型。常用的耦合方式有连乘形式和Q10模型。在两种类型生态 系统呼吸模型中,都采用温度以及土壤含水量作为预测生态系统呼吸 的驱动变量。
但涡度相关技术是在站点尺度上提供可靠的观测数据,而且Q10存在明显的空间变异,这一变异性的存在是利用Q10为固定值的碳循 环模型模拟区域或全球尺度碳收支(即净生态系统生产力)时产生不 确定性的重要原因之一。
在区域尺度上,相对于传统的仅仅基于温度、水分等气象数据的 方法,通过遥感数据监测生态系统呼吸的方法具有空间上连续和时间 动态变化的特点。遥感数据能提供地表覆盖状况、生态系统内部状况 等空间异质性信息,以及地表覆盖状况和生态系统在时间上的动态变 化信息。用遥感手段进行区域尺度下非均匀覆盖的陆地生态系统呼吸 估算,已经成为遥感应用领域的重要研究方向。
本发明正是利用卫星遥感数据在大尺度空间上的信息表现力,以 遥感数据为基础建立区域陆地生态系统呼吸模型,为区域尺度生态系 统呼吸的监测提供有效的定量估算。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种基于卫星遥感的区域陆地生态系统呼 吸监测方法,该方法利用多时相的遥感数据以及每日常规气象数据建 立了区域尺度上陆地生态系统呼吸量监测数据处理链,实现区域陆地 生态系统呼吸运行性遥感监测。以解决区域尺度陆地生态系统呼吸仅 仅依赖于气象数据,对大尺度范围内地表覆盖的异质性信息表现力不 足的问题。
(二)技术方案
本发明的目的在于提出一种基于遥感的区域陆地生态系统呼吸 监测方法。
实现本发明上述目的的具体技术方案为:
1、一种基于遥感的区域陆地生态系统呼吸的监测方法,包括步 骤:
S1:获取区域范围内的时间序列卫星遥感影像数据;
S2:对地面的关键参量进行遥感反演;
S3:基于土地覆盖或土地利用数据,量化不同植被类型的关键 生理生态参数;
S4:运用空间插值技术,按一定的时步长对日平均气温等气象 数据进行空间插值,获得时间序列的气象插值数据;
S5:运用滤波技术对时间序列的植被指数进行去云处理,获得 无噪音影响的植被生长季曲线;
S6:运用光能利率模型和气象数据求得一定时间步长的生态系 统初级生产力和呼吸,由此进行时间累积,最终确定区域陆地生态系 统年呼吸量。
其中,所述S1中区域为省级区域、国家级区域或全球区域;所 述卫星遥感影像数据为时间步长为1-30天内的数据。
其中,所述S2中包括光合有效辐射吸收比例(FPAR)的遥感反 演:
FPAR的遥感估算可以采用两种方法,第一,基于植被指数的方 法;第二基于能量平衡的原理,利用具有明确物理意义反照率模型计 算FPAR。在一级近似下FPAR遥感反演模型为
FPAR=1-α-Pgap+Pgapαb(1-Kopen) (1)
式(1)中,α是反照率,应用现有的遥感反演方法进行反演,或直 接应用现有的反照率遥感反演产品,例如MODIS的反照率遥感反演 方法和反演产品;αb是背景反照率,根据不同的植被类型,以反照 率α的经验系数的方法来确定,为简化FPAR的估算方法,通常忽略 背景反照率αb,则FPAR的估算模型简化为FPAR=1-α-Pgap;Pgap是植被冠层的孔隙率,与冠层参数和观测角度有关,是叶面积指数的 函数;Kopen是冠层开放度,用以描述被背景散射的PAR穿过冠层到 达顶部的部分。
其中,所述冠层的孔隙率和冠层开放度的具体公式为:
Pgap=exp(-LAI·Ω(θsun)·G(θsun)cosθsun) (2)
(2)式中,LAI为叶面积指数,Ω(θsun)是聚集指数,G(θsun) 是在太阳天顶角(θsun)方向上的消光比率,通过测定植被冠层的结 构得出。例如,使用sunscan冠层分析仪测定。对于叶子随机分布的 冠层Ω(θsun)假设为1。
其中,所述S3包括:地表土地覆盖或土地利用的空间差异性较 大,基于土地覆盖或土地利用数据,量化区域尺度不同植被类型的关 键生理生态参数,其中包括不同植被类型的光能利用率的量化,具体 量化方法为:
εg=ε*×f(T)×f(W) (4)
式(4)中,ε*为最大光能利用率,f(T)表示气温T对光合作用的 影响,f(W)表示水分状况对光合作用的影响。f(T)与f(W)的量化方法 可以采用基于气象观测数据的方法,也可以采用遥感反演的地表温度 与地表水分指数来估算。ε*的量化方法是利用Michaelis-Menten模型 (米氏算法)进行拟合得到。
其中,所述S6包括:
第一步:初级生产力GPP的计算,方法为:
GPP=εg×FPAR×QPAR (5)
式(5)中,QPAR,植被能进行光合作用的驱动能量,其能量为 到达地表的太阳总辐射量的一个分量,通过下式进行计算获得。
第二步:生态系统呼吸计算,方法为:
Reco=a*GPP+b*exp(c*Ta)+d (7)
式中,a、b、c、d为常数,GPP为总初级生产力,Ta为日平均 气温。
其中,当所述植被为阔叶林、针叶林、农田、草地或灌丛,所述 生态系统呼吸算法分别为:
Reco_broadleaf=0.313GPP+0.299exp(0.056Ta)+0.955 (8)
Reco_needleleaf=0.53GPP+0.435exp(0.061Ta)-0.14 (9)
Reco_crop=0.266GPP+0.308exp(0.094Ta)+0.425 (10)
Reco_grass=0.567GPP+0.3exp(0.049Ta)+0.095 (11)
Reco_shrub=0.663GPP+0.114exp(0.06Ta)+0.092 (12)
本发明的有益效果在于:
基于时间序列的遥感数据,考虑植被类型的空间差异,确定了区 域尺度的生态系统呼吸算法,解决区域尺度陆地生态系统呼吸仅仅依 赖于气象数据,对大尺度范围内地表覆盖的异质性信息表现力不足的 问题。提高了区域尺度生态系统呼吸估算的精度,而且能够更准确的 定量描述不同生态系统呼吸的时间动态(季节变化与年际变化)。
具体实施方式
以下实施例进一步说明本发明的内容,但不应理解为对本发明的 限制。
实施例1:
以中国(国家区域)为例,MODIS卫星遥感影像数据从NASA (美国国家航空航天局)获得。时间步长为8天。
S1获取中国区域的时间序列卫星遥感影像数据:
本实施例中,使用AVHRR/MODIS(改进型甚高分辨率辐射仪/ 中分辨率航天成像光谱仪)作为卫星遥感影像数据源。这主要考虑到 AVHRR/MODIS数据具有多光谱特征,时间分辨率为1天,可以满足 连续时间序列上进行遥感监测的需求。为减少云遮掩的影响,获取的 数据为2001年MODIS的反射率8天合成产品。
S2关键参量FPAR的遥感反演:
FPAR=1-α-Pgap+Pgapαb(1-Kopen) (1)
Pgap=exp(-LAI·Ω(θsun)·G(θsun)cosθsun) (2)
式(1)中,α是反照率,应用MODIS的反照率遥感反演方法和反 演产品求得;αb是背景反照率,根据不同的植被类型,以反照率α 的经验系数的方法来确定;Pgap是植被冠层的孔隙率,与冠层参数和 观测角度有关,是叶面积指数的函数;Kopen是冠层开放度,用以描述 被背景散射的PAR穿过冠层到达顶部的部分。
(2)式中,LAI为叶面积指数,Ω(θsun)是聚集指数,G(θsun) 是在太阳天顶角(θsun)方向上的消光比率,通过用sunscan冠层分析 仪测定植被冠层的结构得出。
S3基于土地覆盖或土地利用数据,量化不同植被类型的关键生 理生态参数光能利用率εg:
εg=ε*×f(T)×f(W) (4)
其中最大光能利用率ε*的量化方法是利用Michaelis-Menten模型进 行拟合得到,不同植被类型ε*的模型拟合量化值为表1所示:
表1:ε*的模型拟合量化值
f(T)的计算方法为:
式中T为8天日平均温度,Topt为植被光合的最适宜温度,Tmax为植被光合的最高温度。
f(W)=0.5+NDWI (14)
式(5)中NDWI为陆地表面水分指数;式(6)中,ρNIR为近红外波 段反射率,ρSWIR为短波红外波段反射率。
S4运用薄盘光滑样条法,按8天的时步长对日平均气温等气象 数据进行空间插值,获得时间序列的气象插值数据;
S5运用S-G滤波法对时间序列的植被指数进行去云处理,获得 无噪音影响的植被生长季曲线。
S6运用S3获得的关键生理生态参数和气象数据(气象部门测试) 代入式(5)和式(7)求得每8天的生态系统初级生产力GPP和呼 吸,代入式(8)至(12):
Reco_broadleaf=0.313GPP+0.299exp(0.056Ta)+0.955 (8)
Reco_needleleaf=0.53GPP+0.435exp(0.061Ta)-0.14 (9)
Reco_crop=0.266GPP+0.308exp(0.094Ta)+0.425 (10)
Reco_grass=0.567GPP+0.3exp(0.049Ta)+0.095 (11)
Reco_shrub=0.663GPP+0.114exp(0.06Ta)+0.092 (12)
由此进行时间累积,最终确定区域陆地生态系统年呼吸量。得到 2001年中国国家区域的陆地生态系统呼吸量为5.54Pg C(即式(8) 至式(12)计算结果之和)。
与实测值的验证比较:
我国生态网络观测站可以获得站点尺度的生态系统呼吸量,可用 以检验局部(1×1km2)生态系统呼吸量。以生态网络观测站中的农 田站点为例,比较农田生态观测站观测值与本发明求得的生态系统呼 吸量,比较的时间步长为两年,每8天累积一个呼吸量数值,两年共 92个数值。与本发明求得的同样时间步长生态系统呼吸量比较,方 差R2为0.8095,证明本发明方法计算所得呼吸量与实际测量结果十 分吻合。
以阔叶林站点为例,比较阔叶林生态观测站观测值与本发明求得 的生态系统呼吸量,与本发明求得的同样时间步长生态系统呼吸量比 较,方差R2为0.9120;
以针叶林站点为例,比较针叶林生态观测站观测值与本发明求得 的生态系统呼吸量,与本发明求得的同样时间步长生态系统呼吸量比 较,方差R2为0.9088;
以草地站点为例,比较草地生态观测站观测值与本发明求得的生 态系统呼吸量,与本发明求得的同样时间步长生态系统呼吸量比较, 方差R2为0.8125;
以灌丛站点为例,比较该灌丛生态观测站观测值与本发明求得的 生态系统呼吸量,与本发明求得的同样时间步长生态系统呼吸量比 较,方差R2为0.8167。
本方法利用卫星遥感数据在大尺度空间上的信息表现力,以解决 区域尺度陆地生态系统呼吸只考虑温度、水分因素的局限性,既能够 在区域尺度上提供更可靠的生态系统呼吸估算方法,又能够避免只考 虑温度与水分因素而对大尺度范围内地表覆盖的异质性信息表现力 不足的问题。通过与局部观测数值比较,准确性很高。
虽然,上文中已经用一般性说明、具体实施方式及试验,对本发 明作了详尽的描述,但在本发明基础上,可以对之作出一些修改或改 进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明 精神的基础上所做的这些修改或改进,均属于本发明要求保护的范 围。
机译: 基于多源卫星遥感数据的海雾监测方法
机译: 基于多源卫星遥感数据的海雾监测方法
机译: 基于遥感成像的蓝细菌监测方法及装置