【摘要】：植被凈初級(jí)生產(chǎn)力(Net Primary Production,NPP)是表征陸地碳循環(huán)的重要變量,反映了陸地植被的生產(chǎn)能力和固碳能力,隨著遙感技術(shù)的不斷發(fā)展,基于遙感過(guò)程模型的NPP估算已成為全球植被碳循環(huán)研究中的熱點(diǎn),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態(tài)系統(tǒng),能夠耦合遙感數(shù)據(jù)模擬區(qū)域碳水循環(huán)過(guò)程,現(xiàn)已成功用于全球及區(qū)域不同類(lèi)型生態(tài)系統(tǒng)NPP估算,模型的本地化及在不同生態(tài)系統(tǒng)應(yīng)用的參數(shù)敏感性是模型NPP模擬精度的關(guān)鍵。為了使BEPS模型更好的應(yīng)用于農(nóng)田生態(tài)系統(tǒng),本研究以江蘇省東臺(tái)市稻田生態(tài)系統(tǒng)為研究對(duì)象,結(jié)合研究區(qū)水稻實(shí)測(cè)數(shù)據(jù)與遙感反演植被參數(shù),協(xié)同自動(dòng)氣象站觀(guān)測(cè)的氣象數(shù)據(jù)驅(qū)動(dòng)BEPS模型進(jìn)行水稻NPP估算,并通過(guò)渦度相關(guān)系統(tǒng)的實(shí)際觀(guān)測(cè)數(shù)據(jù)評(píng)估BEPS模型的模擬精度。同時(shí)利用EFAST全局敏感性分析法對(duì)模型進(jìn)行參數(shù)敏感性分析。研究結(jié)論主要有以下幾個(gè)方面:(1)通過(guò)對(duì)研究區(qū)水稻植被參數(shù)實(shí)測(cè)及遙感反演結(jié)果研究,水稻冠層聚集度指數(shù)在不同生長(zhǎng)期差異明顯,總體上呈現(xiàn)先降低再升高的趨勢(shì)。經(jīng)聚集度指數(shù)校正后的LAI值相對(duì)誤差較未校正前得到了有效提高,尤其水稻生長(zhǎng)的中期校正精度的提高最為明顯,相對(duì)誤差由23%提高到了 11%。在LAI遙感反演算法中,基于隨機(jī)森林算法和GF-1 WFV影像構(gòu)建的LAI反演模型擬合效果較好,預(yù)測(cè)值與實(shí)測(cè)值的決定系數(shù)達(dá)到0.88,RMSE為1.03,LAI反演值與測(cè)量真實(shí)值的均值誤差為0.32,相對(duì)誤差為15%,遙感反演LAI能較好的反映研究區(qū)水稻生長(zhǎng)期LAI變化趨勢(shì)。(2)通過(guò)EFAST全局敏感性分析研究,在BEPS模型中11個(gè)輸入?yún)?shù)對(duì)NPP估算的全局敏感度由大到小排列為:CO2、LAI、Rad、Vcmax、soilwater、awc、TRAC、Tmin、Tmax、rh、pre。結(jié)合水稻生長(zhǎng)過(guò)程中各參數(shù)實(shí)際變化情況,分析可知:水稻自身機(jī)理性參數(shù)(LAI、Vcmax、TRAC)以及太陽(yáng)輻射(Rad)對(duì)其碳積累有重要影響。其中C02、Rad、LAI、Vcmax對(duì)模擬結(jié)果呈現(xiàn)正相關(guān)影響,而TRAC則呈現(xiàn)出負(fù)相關(guān)影響。(3)利用BEPS模型模擬研究樣區(qū)NPP值可知,研究區(qū)水稻生長(zhǎng)季NPP值總體呈現(xiàn)初期明顯增長(zhǎng),中期輕微波動(dòng),后期緩慢下降的趨勢(shì),模型模擬NPP值與實(shí)測(cè)NPP值呈現(xiàn)較高的一致性,模型模擬的總NPP累積量為533gC/m2,通量站實(shí)測(cè)總NPP累積量為550gC/m2,相對(duì)誤差為3.2%。但初期受低LAI值影響,NPP存在低估現(xiàn)象,后期重點(diǎn)轉(zhuǎn)為生殖生長(zhǎng)后,模擬NPP值又整體偏高。在整個(gè)生長(zhǎng)季中,NPP與LAI呈現(xiàn)較高相關(guān)性,尤其在初期LAI較低時(shí)(前30天),而日總太陽(yáng)輻射對(duì)模擬NPP的影響呈現(xiàn)初期較低,中后期明顯的狀態(tài)。
【圖文】：

圖２－１研究區(qū)ＧＦ－１邋ＷＦＶ假彩色影像及測(cè)量點(diǎn)分布逡逑

水稽實(shí)測(cè)Ln}和〔
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 譚明豪;姚娟娟;張智;浦鵬;魏婷;;基于Morris的SWMM水質(zhì)參數(shù)靈敏度分析與應(yīng)用[J];水資源與水工程學(xué)報(bào);2015年06期

2 劉振波;劉杰;;森林冠層葉面積指數(shù)遙感反演——以小興安嶺五營(yíng)林區(qū)為例[J];生態(tài)學(xué)雜志;2015年07期

3 黃健熙;馬鴻元;田麗燕;王鵬新;劉峻明;;基于時(shí)間序列LAI和ET同化的冬小麥遙感估產(chǎn)方法比較[J];農(nóng)業(yè)工程學(xué)報(bào);2015年04期

4 劉昱;陳敏鵬;陳吉寧;;農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型研究進(jìn)展和展望[J];農(nóng)業(yè)工程學(xué)報(bào);2015年03期

5 張質(zhì)明;王曉燕;李明濤;;基于全局敏感性分析方法的WASP模型不確定性分析[J];中國(guó)環(huán)境科學(xué);2014年05期

6 王寶琦;劉志理;戚玉嬌;金光澤;;利用不同方法測(cè)定紅松人工林葉面積指數(shù)的季節(jié)動(dòng)態(tài)[J];生態(tài)學(xué)報(bào);2014年08期

7 劉洋;劉榮高;陳鏡明;程曉;鄭光;;葉面積指數(shù)遙感反演研究進(jìn)展與展望[J];地球信息科學(xué)學(xué)報(bào);2013年05期

8 梁棟;管青松;黃文江;黃林生;楊貴軍;;基于支持向量機(jī)回歸的冬小麥葉面積指數(shù)遙感反演[J];農(nóng)業(yè)工程學(xué)報(bào);2013年07期

9 麻慶苗;李靜;劉強(qiáng);柳欽火;;混合像元聚集指數(shù)研究及尺度分析[J];遙感學(xué)報(bào);2012年05期

10 張方敏;居為民;陳鏡明;王紹強(qiáng);于貴瑞;韓士杰;;基于遙感和過(guò)程模型的亞洲東部陸地生態(tài)系統(tǒng)初級(jí)生產(chǎn)力分布特征[J];應(yīng)用生態(tài)學(xué)報(bào);2012年02期

相關(guān)博士學(xué)位論文 前1條

1 王百群;黃土區(qū)侵蝕與干旱環(huán)境中土壤有機(jī)碳氮的變化與遷移[D];西北農(nóng)林科技大學(xué);2004年

，

本文編號(hào)：2599050