基于高光谱信息的杨树人工林生产力遥感估算模型的研究

发布时间：2017-09-19 18:32

  本文关键词：基于高光谱信息的杨树人工林生产力遥感估算模型的研究

  更多相关文章： 杨树 生产力模型 高光谱 遥感 生理生态参数 光能利用率 光合有效辐射吸收比例

【摘要】：森林是陆地生态系统的主体,对维持全球碳平衡、调节气候变化起着至关重要的作用。随着森林面积的减少,大力发展人工林是当今世界各国缓解森林资源短缺、增强固碳潜力、促进人类可持续发展的重要手段。杨树是我国主要的人工林树种之—,对提高我国固碳增汇水平以及增加经济用材等方面具有巨大潜力。植被生产力是衡量碳汇能力的—个重要指标。因此,对杨树生产力准确、快速估算具有重大意义。目前,生产力的估算方法主要有生物量法、微气象法和遥感测算法,由于遥感测算法具有快速、高效等优势,已成为生产力估算的热门研究手段。光能利用率模型由于机理明确、计算简单的特点,在遥感估算生产力的应用中最为广泛。该模型中存在两个受生理生态以及环境影响的重要参数,分别为光能利用率(LUE)和光合有效辐射吸收比例(FAPAR)。其中,LUE的估算需要确定最大光能利用率(LUEmax), FAPAR主要基于比尔定律利用叶面积对其进行估算。目前在遥感法测算植被生产力模型中,LUEmax在同种类型植被中被视为—个定值,但LUEmax在不同植被环境及其不同生长期都具有—定差异,会随植物自身生理生态状态的变化而变化;冠层FAPAR估算模型中较少涉及机理影响因素。从而导致传统遥感法估算LUE, FAPAR存在不确定性,影响生产力估算精度。高光谱技术通过辐射传输模型和数学方法,可从波谱信息中提取不同植被及其不同环境参数的有用信息,有助于LUEmax和FAPAR的精确反演,对提高遥感估算植被生产力的精度具有—定可行性。但针对具体植被,其特征波段的选择具有—定差异性。只有实现最佳波段的精确选取,才能提高模型的估算精度。本文将以位于河北省衡水市的黄淮海平原杨树(片)林作为研究对象,在改进高光谱最佳波段提取算法的基础上,并研究构建基于光谱指数的生理生态参数反演模型;研究确定LUE和FAPAR与生理生态参数之间的定量关系;再利用LUE, FAPAR与总初级生产力(GPP)的关系,研究构建了杨树GPP光谱反演模型(LUEmax+FAPARch1模型);采用涡度相关法实测得到的GPP数据,对所构建的GPP模型进行验证。并与传统的遥感GPP模型相比较,进—步分析其精度。最后对验证的模型进行初步应用。本研究旨在为遥感估算杨树人工林GPP提供理论依据与技术支撑,对进一步提高GPP估算精度具有重要的作用和意义。主要结论如下：(1)本研究通过分析最佳指数法与相关系数法的优缺点,利用熵权法有机的将这两种方法相结合,构建了一种新高光谱特征波段的提取方法：最佳指数—相关系数法(OIFC),并成功应用于杨树与小麦叶片叶绿素特征波段的提取。可见,利用该方法提取植被特征波段具有一定可行性。(2)本研究中利用代价函数结合PROSPECT模型与实测数据,对杨树的叶片叶肉结构进行了分析,获得杨树叶片的叶肉结构参数平均值为1.65。研究中利用OIFC(?)对杨树叶绿素含量特征波段进行提取,提取叶绿素特征波段为570nm、630nm、865nmo利用所提取的波段构建了修正比值植被指数(mRVI),并与常用的植被指数进行比较分析,结果显示:mRVI在叶片尺度与冠层尺度叶片叶绿素含量估算都具有很高的精度。并且分别获得叶片尺度与冠层尺度的具有较高精度的叶片叶绿素含量估算模型：LCC=0.08×(13.6×mRVI-1.50)1.62和CCC=0.28×mRVI-0.19.(3)通过对实测杨树高光谱数据和利用PROSPECT与PROSAIL模型输出的反射率数据分别进行了叶片尺度和冠层尺度的干物质含量分析。研究发现：干物质含量与叶片中的水分具有较好的线性相关性,同时,利用归一化指数的计算方法筛选出杨树叶片尺度与冠层尺度的最佳的归一化干物质指数(NDMI)波段组合,其分别为1685nm、1704nm和1551nm、2143nmo分析提取波段,获得叶片尺度干物质含量(LM)的估算模型为：LM=1.022×NDMI(1685,1704)-0.0007。通过对模型中加入叶面积指数进行校正,构建的模型为CM=131.65-165.83×LAI+(-64.5+55.18×LA,)×e7.704×NDMI(1551,2143),该模型提高了冠层尺度干物质含量的估算精度。(4)通过对常用水分植被指数的敏感性分析以及受叶片干物质与叶绿素含量的影响分析,提出利用全球植被水分指数(GMVI)与水分胁迫指数(MSI)进行比值计算,构建了新的水分植被指数GMVI/MSI,并在叶片尺度与冠层尺度的分别对GMVI/MSI指数估算等效水厚度(EWT)精度进行分析。结果显示,在杨树叶片等效水厚度的估算中,由GMVI/MSI指数对杨树等效水厚度估算具有较高精度,其叶片等效水厚度(EWTleaf)和冠层尺度等效水厚度(EWTcanopy)的估算模型分别为-EWTleaf=0.244-0.247×e-0.159×MSI/GVMI 和EWTcanopy=0.052×MSI/GVMI+0.008。(5)通过分析叶片尺度的生理参数与LUEmax以及叶绿素吸收的光和有效辐射比例(FAPARch1)的关系,研究发现叶绿素含量与干物质含量构建的比值指数与LUEmax具有较高的相关性。利用该比值指数构建的LUEmax估算模型,在叶片尺度的LUEmax反演中具有较高精度,并通过尺度扩展构建了冠层尺度的LUEmax估算模型：LUEmax=a×CCDM+b。同时,分析了传统光合有效辐射吸收比例主要贡献来源,考虑到光合作用中主要是由于叶绿素吸收的光合有效辐射,则FAPAR主要为叶绿素吸收的光合有效辐射比例(FA]PARch1)。并利用冠层尺度叶绿素含量构建了冠层FAPARch1的估算模型。(6)以LUEmax、FAPARch1参数修正光能利用率为基础,构建了杨树GPP光谱反演模型(LUEmax+FAPARch1模型),采用与涡度相关法得到的GPP实测值(GPP EC),对该模型进行验证,结果表明：GPP估算值与实测值的线性相关性达0.87(P0.01)。而基于VPM模型、MODIS产品(MOD17)所计算得到杨树GPP值与GPP EC的相关系数分别为0.80和0.72。可见,所构建的LUEmax+FAPARch1模型具有相对较高测算精度。(7)利用MODIS卫星2010年1月1日～2013年12月31日4年的遥感光谱数据,并结合相关气象数据利用LUEmax+FAPARch1模型估算的2010-2013年杨树片林年GPP,结果分别为8.97 MgC·hm-1,9.65 MgC·hm-1,9.33 MgC·hm-1,9.04 MgC·hm-1,可见该模型能够准确的估算不同年际间杨树片林的GPP差异。
【关键词】：杨树 生产力模型 高光谱 遥感 生理生态参数 光能利用率 光合有效辐射吸收比例
【学位授予单位】：中国林业科学研究院
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S792.11;S771.8
【目录】：

• 摘要5-8
• Abstract8-21
• 第一章 绪论21-36
• 1.1 研究背景与意义21-23
• 1.2 国内外相关研究进展23-33
• 1.2.1 陆地总初级生产力估算方法研究进展23-24
• 1.2.2 高光谱遥感概述24-25
• 1.2.3 遥感估算森林生产力的国内外进展25-31
• 1.2.4 GPP模型概述31-33
• 1.3 研究内容与技术路线33-36
• 1.3.1 研究目标33
• 1.3.2 研究内容33-35
• 1.3.3 技术路线35-36
• 第二章 材料与方法36-52
• 2.1 研究区概述36-38
• 2.1.1 杨树盆栽试验概况36-37
• 2.1.2 河北衡水杨树防护林试验区37-38
• 2.2 测试方法38-44
• 2.2.1 样品采集38
• 2.2.2 叶片生化组分的数据38-40
• 2.2.3 光合作用数据40-41
• 2.2.4 叶面积数据41
• 2.2.5 光谱数据41-42
• 2.2.6 通量与气象数据42-43
• 2.2.7 星载遥感数据43-44
• 2.3 辐射传输模型概述44-48
• 2.3.1 PROSPECT模型44-47
• 2.3.2 SAIL模型47-48
• 2.4 植被指数的概述48-52
• 2.4.1 归一化植被指数48-49
• 2.4.2 增强型植被指数49-50
• 2.4.3 比值植被指数50
• 2.4.4 叶面叶绿素指数50-51
• 2.4.5 陆面水分指数51-52
• 第三章 高光谱特征波段提取算法的改进研究52-66
• 3.1 最佳光谱波段提取算法的改进52-55
• 3.2 特征波段的提取55-58
• 3.2.1 基于OIF法的特征波段组合选取55-56
• 3.2.2 基于MCC法的特征波段选取56
• 3.2.3 基于OIFC法的特征波段组合选取56-58
• 3.3 特征波段验证58-61
• 3.3.1 杨树叶绿素含量与SPAD值的关系58
• 3.3.2 杨树叶片叶绿素含量的高光谱反射曲线58-59
• 3.3.3 特征波段模型的建立与验证59-61
• 3.4 OIFC法的适用性61-65
• 3.4.1 OIFC法的特征波段选取61-62
• 3.4.2 模型构建62-63
• 3.4.3 模型验证63-65
• 3.5 本章小结65-66
• 第四章 叶绿素、水分及叶片干物质的高光谱估算66-96
• 4.1 杨树叶肉结构参数选取66-69
• 4.2 杨树叶绿素含量高光谱估算模型研究69-76
• 4.2.1 杨树叶绿素特征波段选取69-70
• 4.2.2 叶片尺度叶绿素含量的光谱估算70-75
• 4.2.3 冠层尺度叶绿素含量的估算75-76
• 4.3 杨树干物质含量高光谱估算模型研究76-85
• 4.3.1 干物质含量对光谱反射率的影响77-79
• 4.3.2 干物质含量的敏感波段的提取79-81
• 4.3.3 叶片尺度干物质含量的光谱估算81-82
• 4.3.4 冠层尺度干物质含量的光谱估算82-85
• 4.4 杨树水分含量高光谱估算模型研究85-94
• 4.4.1 叶片水分含量对叶片光谱反射率的影响85-86
• 4.4.2 植被水分含量估算指数86-87
• 4.4.3 水分植被指数敏感性分析87-89
• 4.4.4 改进植被指数的敏感性分析89-90
• 4.4.5 叶片尺度等效水厚度的估算90-92
• 4.4.6 冠层尺度等效水厚度的估算92-94
• 4.5 本章小结94-96
• 第五章 基于生理生态参数的最大光能利用率和光合有效辐射吸收比例的估算96-110
• 5.1 基于生化组分的光合有效辐射吸收比例的高光谱模型建立96-104
• 5.1.1 叶片光合有效辐射吸收比例计算原理97-98
• 5.1.2 植被生理生化参数对光合有效辐射吸收比例的影响分析98-100
• 5.1.3 叶片尺度叶绿素的PAR吸收比例的估算100-102
• 5.1.4 冠层尺度叶绿素的PAR吸收比例的估算102-104
• 5.2 基于叶片生化组分改进的最大光能利用率高光谱模型建立104-109
• 5.2.1 不同水肥条件下的最大光能利用率的分析105-106
• 5.2.2 杨树叶片叶绿素含量和干物质含量与最大光能利用的关系106-108
• 5.2.3 冠层尺度最大光能利用率估算108-109
• 5.3 本章小结109-110
• 第六章 GPP模型的构建与应用110-123
• 6.1 修正参数光能利用率模型110-116
• 6.1.1 修正模型概述110-112
• 6.1.2 模型运行所需参数的来源及计算112-116
• 6.2 杨树GPP实测数据获取116-118
• 6.2.1 生态呼吸的估算116-117
• 6.2.2 实测杨树GPP的分析117-118
• 6.3 模型验证及精度分析118-120
• 6.4 LUEmax+FAPARchl模型的应用120-121
• 6.5 本章小结121-123
• 第七章 研究结论与展望123-127
• 7.1 研究主要结论123-125
• 7.2 创新点125
• 7.3 研究展望125-127
• 参考文献127-138
• 在读期间的学术研究138-140
• 致谢140

【相似文献】

中国期刊全文数据库 前10条

1 徐新刚;吴炳方;蒙继华;李强子;黄文江;刘良云;王纪华;;农作物单产遥感估算模型研究进展[J];农业工程学报;2008年02期

2 张正斌;作物水分利用效率和蒸发蒸腾估算模型的研究进展[J];干旱地区农业研究;1997年01期

3 杨曦光;范文义;于颖;;森林叶绿素含量的高光谱遥感估算模型的建立[J];森林工程;2010年02期

4 姚付启;张振华;杨润亚;孙金伟;崔素芳;;基于红边参数的植被叶绿素含量高光谱估算模型[J];农业工程学报;2009年S2期

5 吴国金;许钟;杨宪时;郭全友;李学英;;冰鲜鱼贮运过程中耗冰量估算模型的建立与验证[J];中国水产科学;2010年06期

6 徐永明;蔺启忠;王璐;黄秀华;;基于高分辨率反射光谱的土壤营养元素估算模型[J];土壤学报;2006年05期

7 程乾;;基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型[J];应用生态学报;2006年08期

8 张永贺;陈文惠;郭乔影;张清林;;桉树叶片光合色素含量高光谱估算模型[J];生态学报;2013年03期

9 李凤涛;鲁欣欣;王珍珍;杨锦忠;;基于多光谱特征的玉米生物参量估算模型[J];青岛农业大学学报(自然科学版);2014年03期

10 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 陈朝斌;;铁矿石经济评价模型建立的探讨[A];2012年全国炼铁生产技术会议暨炼铁学术年会文集（下）[C];2012年

中国博士学位论文全文数据库 前1条

1 程志庆;基于高光谱信息的杨树人工林生产力遥感估算模型的研究[D];中国林业科学研究院;2015年

中国硕士学位论文全文数据库 前10条

1 张小萍;黄土高原沟壑区太阳辐射时空分布特征及估算模型研究[D];西北农林科技大学;2015年

2 程博;面向敏捷开发项目的工作量估算模型的研究与应用[D];北京工业大学;2012年

3 马剑;软件开发工作量估算模型研究及其在项目管理中的应用[D];华北电力大学;2012年

4 贺军亮;基于有机质光谱诊断指数的土壤重金属含量估算模型研究[D];南京师范大学;2007年

5 刘飞鸿;卫星对地侦察威胁估算模型研究[D];西安工业大学;2014年

6 周毅军;湿地植物叶片重金属含量高光谱遥感估算模型研究[D];福建师范大学;2014年

7 赵雅莉;基于AISA影像的湿地植物叶绿素含量估算模型研究[D];首都师范大学;2013年

8 韦俊涛;电力工程造价小样本估算模型研究[D];重庆大学;2009年

9 魏晨;植物色素及氮素含量高光谱遥感估算模型的元分析[D];浙江大学;2013年

10 张永贺;基于林木叶片光谱特征的生化组分估算模型探究[D];福建师范大学;2013年

，

本文编号：883259