论文部分内容阅读
本文以2010年和2011年分别在玉米样地和冬小麦样地上获取的土壤呼吸野外实验数据为基础,结合收集到的两个农田通量站点和青藏高原的土壤呼吸数据,研究了遥感技术在土壤呼吸模拟中的作用。主要从影响土壤呼吸的温度、水分和植被光合产物等因子入手,探讨了基于遥感数据计算的植被指数与地面实测的土壤呼吸之间的关系,以及简单的光谱植被指数用于土壤呼吸模拟和空间扩展的可行性;分析了遥感反演的地表温度与土壤呼吸的关系,以及结合地表温度和植被指数这两个遥感参数来评估土壤呼吸的精度和适用性。论文的研究结论将有助于大区域尺度上土壤呼吸数据的获取。基于现有的数据,得出了如下结论:
1.在玉米和冬小麦样地,由于经常灌溉的影响,土壤湿度并不是土壤呼吸季节变化的一个影响因子。基于地面高光谱数据和HJ-1卫星的多光谱数据计算的植被指数(EVI和Cirededge/Cigreenedge)较好的解释了土壤呼吸的季节变化格局,而且这两个指数与日平均的土壤呼吸之间的关系好于NDVI。
2.在两个农田通量站点,完全由非生物因子(如,温度和水分含量)驱动的经验模型不能很好的解释土壤呼吸的季节变化。剔除温度和水分影响以后的土壤呼吸残差分析表明土壤呼吸很大程度上受到植被地上光合生产力的影响。从基于MODIS地表反射率产品计算得到三个植被指数(EVI、Cigreenedge和NDVI)中,选择与植被冠层总初级生产力(GPP)和绿色叶面积指数(GLAI)都呈最好关系的植被指数,将其作为植被生产力的一个指示因子。将这些选择的植被指数代入仅仅考虑土壤温度和水分含量的模型,显著改善了土壤呼吸模拟的精度。
3.青藏高原高寒草地生长旺盛时期的地下生物量是驱动其土壤呼吸空间变化的一个非常重要的驱动因子。基于MODIS和LandsatTM影像所计算的三个植被指数(NDVI、EVI和MSAVI)较好的解释了高寒草地生物量(包括地上生物量和地下生物量)的空间变化,并且与土壤呼吸之间具有很好的相关性。分析比较的结果表明,利用TM影像计算的NDVI与土壤呼吸之间呈现了最好的指数关系,因此,将该指数函数用于估算高寒草地土壤呼吸的空间格局。但是,LandsatTM影像由于较长的重访周期以及云的影响很难实现区域的完全覆盖,MODIS8天合成影像很好的克服了这一缺点。因此,结合LandsatTM影像和MODIS影像各自的优势,利用TMNDVI值来校正对应的MODISNDVI值,然后基于500m分辨率的MODIS8天合成的地表反射率数据,实现高寒草地生长旺盛季节土壤呼吸的尺度上推。
4.分析两个农田通量站点区域和青藏高原高寒草地采样点区域的MODIS地表温度数据和植被指数数据与土壤呼吸以及相关影响因子之间的关系。结果表明仅仅利用遥感反演的地表温度(LST)这一个因子并不能很好的解释土壤呼吸的季节变化和空间变化。当土壤呼吸不受到土壤水分含量影响时,在LST的基础上,加入表征植被光合生产力的植被指数,如:LST×VI或者VI/LST都显著提高了土壤呼吸的拟合精度;当土壤呼吸受到土壤水分含量影响时,ScaledLST×VI较好的解释了土壤呼吸的季节和空间变化。