您好, 访客   登录/注册

基于遥感反演的森林生态系统呼吸研究

来源:用户上传      作者:

  摘 要:陆地生态系统碳循环是全球气候变化研究的核心内容之一,森林生态系统作为陆地生态系统中面积最多、最重要的自然生态系统,在维持全球碳平衡和调节全球气候等方面有着举足轻重的地位。本文采用3类MODIS数据(叶面积指数、地表温度数据、地表水份数据)结合AmeriFlux通量观测网络中位于加拿大亚寒带气候区的4个通量塔站点观测数据建立1个遥感反演模型,利用该模型对常绿针叶林生态系统呼吸进行估算,并使用独立的通量站点观测数据评估模型的准确性。结果表明,遥感反演模型在估算森林生态系统呼吸方面具有很大的潜力,为大区域尺度上定量评估森林生态系统对区域碳平衡及全球碳循环的影响,制定合理的森林生态管理方案提供数据支持。
  关键词:
  森林生态系统;遥感;MODIS;碳循环;通量观测
  中图分类号:S718.5
  文献标识码:A
  DOI:10.19754/j.nyyjs.20200315004
  陆地生态系统碳循环是全球碳循环的重要组成部分,同时也是与人类生活联系最为紧密的部分,近年来吸引了众多科学家的关注。随着科学技术的进步,渦动相关技术和遥感技术逐步运用于测定生态系统与大气间的碳交换通量。涡度相关法目前被认为是研究森林生态系统碳通量变化最直接有效的观测方法,其研究结果可解释生态系统不同时间尺度(日、季节、年际)上的大气碳通量变化特征[1]。多光谱、高光谱、雷达与微波遥感技术的发展让大尺度模拟碳通量的构想成为了可能。但通量观测数据代表范围小,空间尺度扩展较为困难[2],遥感卫星观测结果易受多种因素影响(例如传感器精度、天气条件、地形复杂度等),其结果具有很大的不确定性。融合遥感技术与通量塔观测数据建立反演模型估算生态系统呼吸碳排放潜力,是大尺度探测区域生态系统碳收支动态变化的创新性实践。
  1 数据的来源与处理
  1.1 数据的来源
  MODIES数据具有波段范围宽、灵敏度高、大尺度观测等优点,能更好地反应区域乃至全球尺度上CO2气体浓度的空间变化规律[3]。本研究选用时间分辨率为8d的地表反射率产品(MOD09A1,V6,分辨率为500m),叶面积指数(LAI)产品(MOD15A2,V6,分辨率为500m)和地表温度(LST)产品(MOD11A2,V6,分辨率为1km)用于反演模型的建立。并利用AmeriFlux通量观测网络中的4个独立站点共9a观测数据对模型进行验证。
  1.2 数据处理
  由于3种MODIS产品数据分辨率不同,对3种产品数据进行3×3窗口的重采样分析,即采用通量观测塔为中心的3×3方格内像元值[4]。进而利用地表反射率产品计算获得地表水分指数(LSWI),LSWI的计算公式如下:
  LSWI=ρnir-ρSWIRρnir+ρSWIR(1)
  式中,ρnir是近红外波段的反射率,ρSWIR是短波红外波段的发射率。
  碳通量数据的处理则利用马克斯普朗克生物地球化学研究所开发的基于R的软件包对直接测得的净生态系统交换量(NEE)数据进行插补拆分获得独立的生态系统呼吸(Re)数据,并将呼吸数据整合成8d时间间隔数据,与MODIS数据时间间隔保持一致。
  2 模型的建立与评估
  2.1 研究站点介绍
  为排除气候及植被类型对森林生态系统呼吸能力的影响,本文研究区选择AmeriFlux通量观测网络的4个位于加拿大境内的常绿针叶林通量站点,其气候类型均为亚寒带气候,无明显的干湿季,冬季寒冷,夏季凉爽。具体站点描述见表1。
  2.2 模型的建立
  建立了一个逐步线性回归模型用于估算常绿针叶林生态系统呼吸,该模型允许适应连续变量和离散变量作为输入变量。通量塔的呼吸(Re)数据用于模型的训练和验证,而MODIS遥感数据用作解释性或者预测性变量,采用逐步的方法决定输入变量的权重,最终的模型应具有最高精度和最低输入变量数。模型的输入变量包括叶面积指数(LAI)、地表水分指数(LSWI)以及地表温度数据(LST),来自4个通量塔的呼吸(Re)数据作为回归模型中的因变量,使用所有可用的训练数据应用于最终的回归模型。
  2.3 准确性评估
  本文采用留一交叉验证法对模型模拟进行独立验证。该方法以1个通量塔站点为1组空间数据子集,将4个站点逐一进行预扣回归。即保留1个站点的数据子集作为测试样本,其余3个站点数据以集合的形式作为模型开发的训练样本,利用测试样本对模型的准确性进行评估。4个站点中的每个站点都被依次保留,并且使用针对其余3个站点的训练数据集,将在1个通量塔站点处测量的实际Re值与模型估计的Re值进行比较。本文使用均方根误差(RMSE)和皮尔森相关系数(r)来评估模型的精度,并将所有站点实际测量的Re值与模型估计获得的Re值进行回归分析。模型模拟结果如表2所示,相关性分析结果如图1所示。
  2.4 结果分析
  由图1可以看出,对于所有站点,实际测量的Re和模型估计的Re回归值为r=0.716,回归线斜率为0.451,表明Re的模拟精度较高但存在低估的现象。此外,当实测的Re值较小时,回归数值较为均匀的分布在1∶1直线附近,当实测的Re值逐渐增大(Re>4gCm-2d-1)回归数值分布在1∶1直线右下半部分,说明该模型在森林生态系统的呼吸强度较弱时,模拟效果较好,在生态系统呼吸强度较大时,模型的模拟结果容易出现低估的现象。
  由表2模型模拟结果表明训练集的r在0.767~0.886之间变化,RMSE在1.262~1.743gCm-2d-1范围内。验证集的r在0.849~0.895之间变化,RMSE在1.191~2.457gCm-2d-1范围内,这个结果表明利用MODIS数据建立的遥感反演模型具有较高的准确性与可靠性,可以在常绿针叶林生态系统中将点尺度的生态呼吸研究扩展到区域尺度。   2.5 模型讨论
  尽管遥感反演模型在估算常绿针叶林生态系统呼吸碳排放方面表现出色,但是模型仍然存在重大的不确定性。
  由于加拿大地区纬度较高,冬季冰雪覆盖会影响发芽期的叶面积指数;春季冰雪融化会影响地表水分指数数据的准确性。在通量观测数据方面,由于涡动相关技术自身的特点导致通量观测数值的缺失,需要依据一定的规则进行插补拆分,影响了实测数据的可靠性。此外,由于森林本身结构和成分的复杂性,森林生态系统的呼吸包括自养生物(植被)呼吸和异养生物(自由生物以及土壤微生物)呼吸[5],温度、土壤湿度、养分、活体和死亡生物量可能会对模型估计的精度产生影响。而且,本研究为排除气候及植被类型的影响,采用的4个常绿针叶林通量塔站点均位于同一气候区,站点代表性的不足影响了模型的普遍性。利用遥感反演的方式估算森林生态系统呼吸仍需要更多的探索和改进。
  3 结论
  本研究主要基于3类MODIS数据产品获取LAI、MODIS LST、LSWI遥感数据,并将其与加拿大境内4个通量站点观测的Re数据相结合,建立了1个适用于常绿针叶林的生态系统呼吸碳排放反演模型,并利用独立站点观测数据对建立的遥感反演模型进行验证。与传统的通量观测数据、实地调查和基于遥感卫星的模型估计相比,本文的反演模型提供了一个更大空间尺度(500m)和长时间序列(8d)的数据集,为大尺度探测区域生态系统碳收支动态变化提供了新思路。
  参考文献
  [1]
  Canadell J G, Dickinson R, Hibbard K, et al. Global Carbon Project:Science framework and implementation[C]. In:Earth system science partnership (IGBP, IHDP, WCRP, DIVERSITAS) report No.1. Global Carbon ProjectReport No.1,Canberra. 2003: 69.
  [2] Chen B, Coops NC, Fu D,et al. Assessing eddy-covariance flux tower location bias across the Fluxnet-Canada Research Network based on remote sensing and footprint modelling[J].Agricultural and Forest Meteorology, 2010(151):87-100.
  [3]張丽景. 基于MODIS影像和通量塔数据模拟浙江安吉毛竹林总初级生产力[D].杭州:浙江农林大学,2013.
  [4]刘宇霞. 植被物候变化遥感反演及生态系统碳循环作用机理[D].北京:中国科学院大学,2017.
  [5] 周丽艳,贾丙瑞,周广胜,曾伟,王宇.中国北方针叶林生长季碳交换及其调控机制[J].应用生态学报,2010(10):2449-2456.
  (责任编辑 周康)
转载注明来源:https://www.xzbu.com/1/view-15137790.htm