基于遥感过程模型的农田NPP估算及参数敏感性研究

发布时间：2020-03-24 23:49

【摘要】：植被净初级生产力(Net Primary Production,NPP)是表征陆地碳循环的重要变量,反映了陆地植被的生产能力和固碳能力,随着遥感技术的不断发展,基于遥感过程模型的NPP估算已成为全球植被碳循环研究中的热点,其中BEPS(BorealEcosystemProductivity Simulator)模型就是常用的模型之一。BEPS模型起源于加拿大北方森林生态系统,能够耦合遥感数据模拟区域碳水循环过程,现已成功用于全球及区域不同类型生态系统NPP估算,模型的本地化及在不同生态系统应用的参数敏感性是模型NPP模拟精度的关键。为了使BEPS模型更好的应用于农田生态系统,本研究以江苏省东台市稻田生态系统为研究对象,结合研究区水稻实测数据与遥感反演植被参数,协同自动气象站观测的气象数据驱动BEPS模型进行水稻NPP估算,并通过涡度相关系统的实际观测数据评估BEPS模型的模拟精度。同时利用EFAST全局敏感性分析法对模型进行参数敏感性分析。研究结论主要有以下几个方面:(1)通过对研究区水稻植被参数实测及遥感反演结果研究,水稻冠层聚集度指数在不同生长期差异明显,总体上呈现先降低再升高的趋势。经聚集度指数校正后的LAI值相对误差较未校正前得到了有效提高,尤其水稻生长的中期校正精度的提高最为明显,相对误差由23%提高到了 11%。在LAI遥感反演算法中,基于随机森林算法和GF-1 WFV影像构建的LAI反演模型拟合效果较好,预测值与实测值的决定系数达到0.88,RMSE为1.03,LAI反演值与测量真实值的均值误差为0.32,相对误差为15%,遥感反演LAI能较好的反映研究区水稻生长期LAI变化趋势。(2)通过EFAST全局敏感性分析研究,在BEPS模型中11个输入参数对NPP估算的全局敏感度由大到小排列为:CO2、LAI、Rad、Vcmax、soilwater、awc、TRAC、Tmin、Tmax、rh、pre。结合水稻生长过程中各参数实际变化情况,分析可知:水稻自身机理性参数(LAI、Vcmax、TRAC)以及太阳辐射(Rad)对其碳积累有重要影响。其中C02、Rad、LAI、Vcmax对模拟结果呈现正相关影响,而TRAC则呈现出负相关影响。(3)利用BEPS模型模拟研究样区NPP值可知,研究区水稻生长季NPP值总体呈现初期明显增长,中期轻微波动,后期缓慢下降的趋势,模型模拟NPP值与实测NPP值呈现较高的一致性,模型模拟的总NPP累积量为533gC/m2,通量站实测总NPP累积量为550gC/m2,相对误差为3.2%。但初期受低LAI值影响,NPP存在低估现象,后期重点转为生殖生长后,模拟NPP值又整体偏高。在整个生长季中,NPP与LAI呈现较高相关性,尤其在初期LAI较低时(前30天),而日总太阳辐射对模拟NPP的影响呈现初期较低,中后期明显的状态。
【图文】：

影像,影像,测量点

图２－１研究区ＧＦ－１邋ＷＦＶ假彩色影像及测量点分布逡逑

基于遥感过程模型的农田NPP估算及参数敏感性研究

水稽实测Ln}和〔
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S127

【参考文献】