论文部分内容阅读
净初级生产力（Net primary productivity,NPP）是评价全球气候变化与碳平衡的一个重要的生态指标,如何实现NPP的高精度估算,是当今国内外学者的研究重点领域。传统的人工实测方法费时费力且只适合小范围操作,无法实现区域尺度的NPP数据获取。随着遥感技术的不断发展,NPP的估算进入了一个崭新的阶段,基于遥感数据估算NPP的方法得到了广泛应用。其中,以光能利用率模型、生理生态过程模型、气候生产力模型、生态遥感耦合模型等较为典型。光能利用率模型作为最常用模型之一,其特点为物理意义明确,输入参数较为简单且容易获取,这为NPP遥感监测提供了充足的技术支持。干旱半干旱地区植被稀疏,地表条件相对复杂,土地利用类型大多为草地,而现有的研究以粗分辨率影像为主,受干旱、半干旱地区植被类型特点以及土壤背景因素影响,该区域的NPP高精度估算难度较大。鉴于此,本研究在获取的野外调查数据基础上,采用国产最新的高分一号（GF-1）WFV多光谱数据,以CASA（Carnegie-AmesStanford Approach）模型为基础,进行干旱、半干旱草原区的NPP高精度估算方法研究,通过优化模型中的关键参数,使得改进后的CASA模型更适应半干旱草原区域特点以及GF-1影像特点。选取内蒙古自治区正蓝旗为研究区,获取了覆盖研究区的2014年月度GF-1影像,首先基于月度时间序列的遥感数据,对研究区土地覆盖类型进行了分类识别,然后基于该分类结果、与影像同期的野外观测数据和同期的气象数据,确定CASA模型估算中的关键参数最大光能利用率（ε）,优化估算光合有效辐射吸收比例（FPAR）时FPARNDVI与FPRASR的比例调节参数,使其更适合研究区特点与GF-1影像特点。最后,基于研究改进的CASA模型,对研究区的月度NPP空间分布进行了分析,通过野外观测数据对估算结果进行了验证。以期为正蓝旗的生态监测工作提供基础数据,同时也为推动GF-1数据的使用提供科学依据。本研究中的主要结论如下:（1）GF-1数据具有高空间、高时间分辨率等特点,综合了提取的影像NDVI值与原始信息的土地覆盖类型分类结果较好,精度可达到83.37%,Kappa系数达到0.79,相对于仅靠原始影像的分类结果,其精度提高了约10%。（2）基于获取的2014年度GF-1数据与实测数据对内蒙古正蓝旗草地的最大光能利用率以及估算FPAR时的比例调节参数进行模拟与优化,结果显示,对于半干旱草原区而言,典型草地最大光能利用率模拟值平均值为0.518gC/MJ,调节参数平均值为0.378;草本湿地的最大光能利用率平均值为0.523gC/MJ,调节参数平均值为0.402;草甸草地草地的最大光能利用率为0.52gC/MJ,调节参数平均值为0.387。将优化的参数应用到整个正蓝旗的NPP估算中并进行验证分析,结果与实测数据之间的R2达到了0.71,说明利用GF-1 WFV遥感数据进行半干旱草原地区的NPP估算具有一定的可行性。（3）通过对估算结果统计分析发现2014年内蒙古正蓝旗NPP空间分布符合研究区植被类型与气候类型特点。全旗年NPP总量1.43×1012gC/a,月平均NPP为33.86gC/m2。其中草地是全年NPP积累的主要土地覆盖类型,贡献率达到了63.76%。2014年研究区NPP最大值大都出现在7月份,在一年中NPP积累从4月份开始迅速增加,到10月份基本结束。