论文部分内容阅读
总初级生产力（Gross Primary Productivity，GPP）作为进入生态系统的初始能量，它的准确估算对于全球变化碳循环研究有重大积极意义。遥感数据因其能够提供时空连续的地表变化特征，为区域评估和预测初级生产力GPP研究提供了重要技术手段。现阶段基于遥感数据的GPP准确估算由于传感器空间分辨率和时间分辨率的相互制衡，高时空GPP精准估算还存在问题。时空融合方法较好的克服了空间异质性问题、提高了地物细分的精度、而且解决了由于天气条件影响的时间不连续性。然而，时空谱融合数据会对GPP估算结果带来一定的不确定性，如多源传感器的数据一致性问题、时空融合的有效性等。本文利用时空融合得到的高时空谱数据估算了长时间序列不同区域的GPP，对影响GPP估算结果的不确定性方面开展研究，并探索性的研究了不同地物类型的时间尺度敏感性。研究将为GPP模型估算精度的提高提供理论支持，为全球变化碳循环等重大课题的开展奠定基础。本文的主要工作和结论如下: (1)论文利用时空融合STARFM方法构建了一套高空间高时间的时空谱遥感数据，采用光能利用率GPP-Ⅵ模型，选取了6种植被指数(NDVI、EVI、CIgreen、WDRVI、VIUPD、TCG)估算出5种不同植被类型站点（落叶阔叶林、混交林、草地、农田、湿地）的GPP结果。将结果和站点GPP观测值进行分析评价，得出各个地物类型最适宜选用的植被指数:湿地类型选用NDVI、农田类型选用VIUPD、森林站点选用EVI。 (2)将基于时空谱融合数据估算出的GPP与MODIS GPP产品数据进行对比验证，研究时空谱融合数据在GPP精度提升上的有效性。得出结论:在湿地站点US-Myb、农田站点US-Twt和落叶阔叶林站点US-WCr中，基于时空谱融合数据的GPP-Ⅵ模型估算出的GPP值要比MODIS GPP产品的值和GPP真值的相关性高，均方根误差小，尤其是在农田站点。说明时空谱融合数据对于提高遥感GPP反演的时空精度有很大意义。 (3)围绕时空谱融合数据在GPP估算时多源传感器植被指数一致性、时空谱融合不确定性、模型参数不确定性这三个方面所带来的不确定性进行定性或定量分析。其中，Landsat7和Landsat8传感器之间波段设置的差异性在植被指数反演时可以忽略不计。时谱融合不确定性主要体现在融合方法预测半径的选择上，Landsat融合数据蓝波段、绿波段、红波段在32天融合半径下误差最小，而近红外波段、短波红外1和2波段在8天融合半径下误差最小。光能利用率模型对GPP估算不确定性随地类影响大。湿地站点US-Myb的GPP和APAR之间呈显著正相关0.8283，与LUE的相关性也较大，说明模型适宜于该类区域。草地站点US-Snd和农田站点US-Twt的GPP与模型参量之间的相关性不强，说明模型在这两个站点的适宜性不强。森林站点US-WCr和US-PFa的GPP与LUE相关性远大于与APAR的相关性，说明LUE在森林地类GPP时起主要作用。 (4)本文构建了不同时间分辨率尺度（1天、8天、16天和32天）的遥感数据反演GPP，针对时间尺度对于GPP估算敏感性进行了初步探索。32天时间尺度带来了样本数变小，无法刻画关键细节的问题，所以在考虑时间敏感性时，我们对比分析了1天、8天和16天三个时间尺度，初步结果得出湿地站点适宜选用GPP-Ⅵ模型的最适时间尺度在8天，农田站点适宜选用的GPP-Ⅵ模型的最适时间尺度在16天，落叶阔叶林站点适宜选用的GPP-Ⅵ模型的最适时间尺度为8天，混交林类型适宜选用的GPP-Ⅵ模型的最适时间尺度为1天。