第二章 植被遙感本章主要內容植被凈初級生產力估算模型植被凈初級生產力估算模型植被生產力是人類生活所需食物、原料及燃料的來源。植物通過光合作用將太陽能固定并轉化為植物生物量。單位時間和單位面積上，綠色植物通過光合作用所產生的全部有機物同化量，即光合總量，叫總初級生產力(GPP)；凈初級生產力(NPP)則是從光合作用所產生的有機質總量中扣除自養呼吸后的剩余部分。NPP

=

GPP

-

Ra總初級生產力自養呼吸的消耗量NPP作為地表碳循環的重要組成部分，不僅直接反映了植被群落在自然環境條件下的生產能力，表征陸地生態系統的質量狀況；而且是判定生態系統碳源/匯和調節生態過程的主要因子，在全球變化及碳平衡中扮演著重要的作用；是判定大氣成分，尤其是CO2濃度的變化的重要因子，使得NPP的研究對氣候具有重要的指導意義。NPP估算方法基于站點的實測數據估算：通過直接收獲法來獲得NPP。站點實測法簡單易行、精度高，但費時、費力，具有破壞性，僅能用于小面積調查。氣象相關統計模型：該模型認為植被NPP與氣候存在一定的相關性，將氣候因子如溫度、降水量等引入模型中，建立

NPP

與氣候因子之間的簡單統計回歸模型。典型模型有：Miami模型、Thornthwaite模型、Chikugo模型和綜合模型等。光能利用率模型：建立在植物光合作用過程和光

能利用率的概念上，認為任何對植物生長起限制

作用的資源(如水、氮、光照等)均可用于NPP

的估算。這些因子之間通過一個轉換因子聯系起來，這一轉換因子是一個復雜的調節模型，或是一個簡單的比率常數。典型模型：CASA模型、GLO-PEM模型和BEAMS模型等。CASA模型

在20世紀70年代Monteith就發現NPP和植被吸收的光合有效輻射(APAR)之間存在著穩定的關系：當水分和肥料處在最適的條件下，農作物的NPP與APAR具有很強的線性相關；光合有效輻射是太陽輻射中能被綠色植物用來進行光合作用的那部分能量；但是，不同的植被類型，或者同一植被類型在不

同的生長條件下，所獲得的經驗模型存在著差異，這就意味著植被的NPP受植物本身及其生長環境

的影響。NPP的估算模型NPP的估算可以由植物吸收的光合有效輻射APAR)

和實際光能利用率

(ε)

兩個因子來表示，其估算公式如下：式中，APAR

(x,

t)表示像元x

在t月吸收的光合有效輻射，ε(x,t)表示像元x

在t月的實際光能利用率。光能利用率指單位土地面積上，農作物通過光合作用所產生的有機物中所含的能量與所接受的太陽能的比。早期的一些科學家利用APAR-NPP這一關系在小范圍的實驗點上開展植被NPP估算，取得了一定的成功；但在區域及全球尺度上，由于氣候類型和植被類型的多樣，其應用受到了很大的限制，問題主要存在于一些參數的確定上，具體表現在以下方面：不同的植被覆蓋類型對NPP的估算最大光能利用率的取值很多光能利用率模型本身考慮了不同的植被覆蓋類型對NPP估算結果的影響，但也僅僅是在光合有效輻射吸收比例(FPAR)的估算過程中，根據不同的植被覆蓋類型來確定比值植被指數最大值，沒有考慮不同的植被覆蓋分類精度對NPP估算結果的影響；全球植被最大光能利用率的取值對NPP的估算結果影響很大，最初的“光能利用率”模型包含一個最大光能利用率(εmax)，然后再根據不同的環境脅迫因子對其進行調整。如CASA

模型就將全球最大光能利用率取值為0.

389

g

C·MJ-1NPP

遙感估算模型需要在以下3

個方面作進一步的改進與完善：將植被覆蓋分類引入模型，并考慮植被覆蓋分類精度對NPP估算的影響，由它們共同決定不同植被覆蓋類型的NDVI最大值，由此獲得各植被覆蓋類型的比值植被指數最大值，最后實現

FPAR

的估算；利用NPP實測數據，模擬出各植被類型的最大光能利用率；利用氣象數據(溫度、降水、太陽凈輻射)，結合已有的區域蒸散模型來實現水分脅迫因子的估算。模型架構APAR的估算利用遙感數據估算光合有效輻射

(PAR)

中被植物葉子吸收的部分(APAR)是根據植被對紅外和近紅外波段

的反射特征實現的。植被吸收的光合有效輻射取決于太陽總輻射和植物本身的特征；式中，

SOL(x, t)

表示

t

月在像元

x

處的太陽總輻射量FPAR(x,

t)為植被層對入射光合有效輻射的吸收比例，常數0.5表示植被所能利用的太陽有效輻射占太陽總輻射的比例。FPAR的估算在一定范圍內，

FPAR

與

NDVI

之間存在著線性關系，這一關系可以根據某一植被類型NDVI的最大

值和最小值以及所對應的FPAR最大值和最小值來

確定；式中，NDVI

i,max

和NDVI

i,min

分別對應第i種植被類型的NDVI

最大值和最小值FPAR與比值植被指數RVI(SR)也存在較好的線性關系式中，FPARmin和FPARmax的取值與植被類型無關，分別為0.001和0.95；通過對FPARNDVI和FPARSR所估算結果的比較發現：由NDVI所估算的FPAR比實測值高，而由SR所估算的FPAR則低于實測值；將這兩種方法結合起來，取其平均值作為FPAR的估算值，此時，估算的FPAR與實測值之間的誤差達到最小。將兩個方程組合起來，取其平均值作為FPAR

的估算值；α為兩種方法間的調整系數，取0.5(取二者的平均值)。光能利用率的估算光能利用率是在一定時期單位面積上生產的干物質中所包含的化學潛能與同一時間投射到該面積上的光合有效輻射能之比。在原始CASA模型中，最大光能利用率是一個常數，

取值為0.389。但是當該模型應用于區域尺度時，該設置是不合理的。環境因子如氣溫、土壤水分狀況以及大氣水汽壓差等會通過影響植物的光合能力而調節植被的NPP。在遙感模型中，這些因子對NPP的調控是通過對最大光能利用率進行調節而實現的。光能利用率的估算流程在理想條件下植被具有最大光能利用率，而在現實條件下的最大光能利用率主要受溫度和水分的影響。式中,Tε1(x,t)和Tε2(x,t)表示低溫和高溫對光能利用率的脅迫作用；W

ε

(x,t)為水分脅迫影響系數，反映水分條件的影響；εmax是理想條件下的最大光能利用率。溫度脅迫因子的估算Tε1(x,t)的估算：Tε1(x,t)表示低溫和高溫對光能利用率的脅迫作用；式中,Topt(x)為植物生長的最適溫度，定義為某一區域一年內NDVI值達到最高時的當月平均氣溫

(℃)；當某一月平均溫度小于或等于-10℃時，

Tε1(x,t)取0T

ε2

(

x

, t)

的估算：

T

ε2

(

x

, t)

表示環境溫度從最適溫度Topt(x)向高溫或低溫變化時植物光能利用率逐漸變小的趨勢，這是因為低溫和高溫時高的呼吸消耗必將會降低光能利用率，生長在偏離最適溫度的條件下，其光能利用率也一定會降低；當某一月平均溫度T(x,t)比最適溫度Topt

(x)高10℃或低13℃時，該月的Tε2(x,t)值等于月平均溫度T(x,t)為最適溫度Topt

(x)

時Tε2

(x,t)值的一半。水分脅迫因子的估算地面干濕程度對于植物生長有著十分重要的作用。一般認為，土壤水分超過某一臨界值時，蒸發速率不受土壤水分供應的限制，而只與氣象條件有關；當土壤水分含量低于這一臨界值時，蒸發速率除與氣象條件有關外，還隨土壤水分的有效性的降低而降低；因此，研究用區域實際蒸散量與區域潛在蒸散量的比值來反映土壤水分干濕程度。水分脅迫影響系數

W

ε

(x

,

t)

反映了植物所能利用的有效水分條件對光能利用率的影響，隨著環境中有效水分的增加，

W

ε

(

x

,

t)

逐漸增大，它的取值范為0.5(在極端干旱條件下)到1(非常濕潤條件下)；式中，

E(x,

t)

為區域實際蒸散量

(mm)

，可根據周廣勝和張新時建立的區域實際蒸散模型求取；

Ep(x

,t)為區域潛在蒸散量(mm)；可根據Boucher提出的互補關系求取。式中，LSWI是近紅外波段和短波紅外波段的歸一化指數。LSWImax是每個像元中全年最大的地表濕潤度指數。LSWI的取值范圍為-1—1，W的取值范圍為0-1最大光能利用率的確定月最大光能利用率εmax的取值因不同的植被類型而有所不同，由于全球最大光能利用率的取值對

NPP的估算結果影響很大，人們對它的大小一直存在爭議Potter等(1993)和Field等(1995,1998)認為全球植被的最大光能利用率為0.

389

g

C·MJ-1

；沒有氣候和其它因素的限制時，Raymond和Hunt(1994)

認為光能利用率的上限為3.

5

g

C·MJ-1

；而另外的研究結果則認為一些草本植物和其它植被的光能利用率在0.

09～2.

16

g

C·MJ-1之間；最大光能利用率分3步來確定首先計算所有像元的APAR、溫度和水分脅迫因子；然后，挑選研究區相同時間段的NPP實測數據；最后，根據誤差最小的原則模擬出各植被類型的εmax。典型植被的最大光能利用率模擬值與實測值的比較成對的模擬值與實測值之間的相關性是比較低的，

R值僅為0.49，考慮到生態環境、數據源及尺度轉換上的差異，大尺度的NPP精度驗證本身也存在著一定的不可比性，要想獲得觀測數據與大尺度模擬數據間的典型相關是不可能的；但在實測數據樣方比較典型、面積足夠大、數量足夠多、抽樣時間也比較一致的情況下，平均值之間還是存在一定的可比性。誤差分析所估算的水體

(

湖泊和河流

)

、冰川、裸巖等無地帶，其NPP值也比較高，尤其是水體，而實際情況下，這些無植被地帶的NPP應該為0。這主要是由遙感數據本身的空間分辨率決定的，對于像元為8km×8km的NDVI數據和植被分類數據，一般的河流、湖泊以及小面積分布的冰川、裸巖等均因面積過小而無法反映出來；更何況還存在混合像元的問題，如果某個像元剛好跨在水域和植被上，當水域占的比例比較大時，在分類上有可能被分為水體，而實際上里面還包含有植被的成分，在遙感數據上則可能表現為一定的

NDVI值。我國植被年凈生產力及其變化18

年來我國植被年凈生產量呈波動中增加的趨勢。我國植被年凈第一性生產力與年降水量的相關性好于植被年凈第一性生產力與溫度之間的相關性可以認為降水是我國植被凈第一性生產力的主要限制因子CASA模型優點基于植被的生理過程而建立，并在大尺度植被NPP研究和全球碳循環研究中被廣泛應用，是目前國際上最通用的NPP模型之一；考慮了NPP計算的兩個主要驅動變量,即植被所吸收的光合有效輻射與光能利用效率，而這兩個變量又分別通過太陽輻射、NDVI、土壤水分、降水量、平均溫度等指標來體現；相對于其他模型所需要的輸入參數較少，就避免了參數缺乏而人為簡化或者估計而產生的誤差；模型采用的遙感數據覆蓋范圍廣，時間分辨率高，能夠實現對區域和全球NPP的動態監測。事實上，不同植被類型的光能利用率存在著很大差異，受到溫度、水分、土壤、植物個體發育等因素的顯著影響，把它作為一個常數在全球范圍內使用會引起很大的誤差；模型在估算水分脅迫因子時用到了土壤水分子模

型，過程比較復雜，其中涉及到大量的參數，包

括降水量、田間持水量、萎蔫含水量、土壤粘粒

和砂粒的百分比、土壤深度、土壤體積含水量等，數據較難獲取，且通常土壤參數