[发明专利]一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法

说明书

【技术领域】

本发明属于森林碳汇监测方法领域，具体是一种毛竹林生态系统光能利用率和总初级生产力遥感监测方法。本发明是利用遥感数据与光能利用率之间的相关性，建立一种由光能利用率估计总初级生产力的方法，主要解决了由于最大光能利用率难以获取使得总初级生产力监测不确定性大的问题。

【背景技术】

毛竹是中国的主要竹种，其面积约占中国竹林面积的70％，占世界毛竹林总面积的80％，是竹产区林农经济收入主要来源。诸多研究表明毛竹林具有巨大的固碳潜力，在固碳减排和缓解气候变化方面起到重要的贡献。鉴于毛竹林生态系统的高效固碳潜力，开展毛竹林生态系统碳收支时空分布和变异监测研究有助于了解毛竹林对竹产区域碳收支贡献，可为碳交易提供基础数据，增加林农新的收入渠道。但现有生态模型并未充分考虑毛竹林生物物理参数(叶面积指数、光合参数等)和碳收支过程机理的特殊性，存在适用性差等问题，导致应用于毛竹林时估算精度和稳定性不理想。因此，亟需构建适用于毛竹林生态系统的碳收支模型，提高毛竹林生态系统碳收支时空分布和变异监测精度。

光能利用率模型作为森林生态系统碳收支模型之一，具有较强的理论和实用基础，而且具有驱动参数少和将遥感数据简便地融入模型的优点，广泛应用于模拟区域尺度森林碳收支时空变化。光能利用率(Light Use Efficiency，LUE)是光能利用率模型的一个重要参数。对于不同植被类型甚至相同植被类型，随季节变化，LUE在时间和空间上差异明显，模型应用时将最大LUE设定为常数，必然不能很好地体现毛竹林碳吸收的时空变化，会导致模型模拟值与实测值之间存在较大的偏差。因此，通过遥感影像来模拟LUE时空变异并用于估算毛竹林碳收支，是提高毛竹林碳收支时空变化模拟精确性的一个有效途径。

【发明内容】

鉴于LUE在毛竹林总初级生产力(Gross Primary production，GPP)监测研究中的重要地位。本发明提出一种新的毛竹林GPP监测方法，即首先采用遥感影像数据结合地面观测数据反演出LUE，然后将反演得到的LUE与光合有效辐射(Photosynthetically Active Radiation，PAR)相乘得到GPP。

解决上述技术问题的技术方案是按如下步骤进行：

(1)根据通量塔观测数据，计算出GPP和LUE：

根据通量塔观测的净生态系统碳通量、空气温度、土壤温度和PAR，采用Arrhenius呼吸和Michaelis-Menten光合响应曲线模型对缺失数据进行插补，并对碳通量各组分进行分离，获取实测的GPP，然后将GPP除以PAR计算出LUE；

(2)根据步骤(1)的数据，构建基于遥感影像数据的LUE反演模型：

a、参照实测的毛竹林冠层光谱数据，对MODIS遥感反射率进行异常值剔除处理；

b、提取MODIS遥感反射率7个波段的数据(Band1～Band7)，并在这7个波段的基础上，构建出归一化植被指数、增强型植被指数和简单比值植被指数这3种植被指数，共10个自变量因子；

c、结合偏最小二乘方法和Bootstrap方法，从10个自变量中筛选出最优自变量组合用于构建LUE反演模型；

d、根据筛选出的最优自变量，采用偏最小二乘方法构建LUE反演模型。

(3)根据步骤(2)构建的模型估算出光能利用率，监测毛竹林生态系统总初级生产力：

将LUE反演模型估算出的LUE乘以PAR，即得到毛竹林GPP监测结果。

本发明具有下列有益效果：能够降低最大LUE不确定性给LUE模型带来的影响，更有效地反映毛竹林LUE在时间和空间的变化，从而在一定程度上提高毛竹林GPP估算精度。

【附图说明】

图1为本发明的流程图。

图2为实测的LUE与预测的LUE对比图。

图3为本发明方法预测的GPP与实测的GPP对比图。

图4为MODIS GPP产品与实测的GPP对比图。

【具体实施方式】

下面结合实施例并参照附图对本发明作进一步详述：

需要说明的是，本发明以安吉县山川乡毛竹林通量观测塔周边500米×500米范围内2011～2013年毛竹林LUE和GPP估算为例，本发明的流程如图1所示。具体步骤如下：

(1)根据通量塔观测数据，计算出GPP和LUE：