本文關(guān)鍵詞：基于高光譜信息的楊樹人工林生產(chǎn)力遙感估算模型的研究

  更多相關(guān)文章： 楊樹 生產(chǎn)力模型 高光譜 遙感 生理生態(tài)參數(shù) 光能利用率 光合有效輻射吸收比例

【摘要】：森林是陸地生態(tài)系統(tǒng)的主體,對(duì)維持全球碳平衡、調(diào)節(jié)氣候變化起著至關(guān)重要的作用。隨著森林面積的減少,大力發(fā)展人工林是當(dāng)今世界各國緩解森林資源短缺、增強(qiáng)固碳潛力、促進(jìn)人類可持續(xù)發(fā)展的重要手段。楊樹是我國主要的人工林樹種之—,對(duì)提高我國固碳增匯水平以及增加經(jīng)濟(jì)用材等方面具有巨大潛力。植被生產(chǎn)力是衡量碳匯能力的—個(gè)重要指標(biāo)。因此,對(duì)楊樹生產(chǎn)力準(zhǔn)確、快速估算具有重大意義。目前,生產(chǎn)力的估算方法主要有生物量法、微氣象法和遙感測(cè)算法,由于遙感測(cè)算法具有快速、高效等優(yōu)勢(shì),已成為生產(chǎn)力估算的熱門研究手段。光能利用率模型由于機(jī)理明確、計(jì)算簡(jiǎn)單的特點(diǎn),在遙感估算生產(chǎn)力的應(yīng)用中最為廣泛。該模型中存在兩個(gè)受生理生態(tài)以及環(huán)境影響的重要參數(shù),分別為光能利用率(LUE)和光合有效輻射吸收比例(FAPAR)。其中,LUE的估算需要確定最大光能利用率(LUEmax), FAPAR主要基于比爾定律利用葉面積對(duì)其進(jìn)行估算。目前在遙感法測(cè)算植被生產(chǎn)力模型中,LUEmax在同種類型植被中被視為—個(gè)定值,但LUEmax在不同植被環(huán)境及其不同生長(zhǎng)期都具有—定差異,會(huì)隨植物自身生理生態(tài)狀態(tài)的變化而變化;冠層FAPAR估算模型中較少涉及機(jī)理影響因素。從而導(dǎo)致傳統(tǒng)遙感法估算LUE, FAPAR存在不確定性,影響生產(chǎn)力估算精度。高光譜技術(shù)通過輻射傳輸模型和數(shù)學(xué)方法,可從波譜信息中提取不同植被及其不同環(huán)境參數(shù)的有用信息,有助于LUEmax和FAPAR的精確反演,對(duì)提高遙感估算植被生產(chǎn)力的精度具有—定可行性。但針對(duì)具體植被,其特征波段的選擇具有—定差異性。只有實(shí)現(xiàn)最佳波段的精確選取,才能提高模型的估算精度。本文將以位于河北省衡水市的黃淮海平原楊樹(片)林作為研究對(duì)象,在改進(jìn)高光譜最佳波段提取算法的基礎(chǔ)上,并研究構(gòu)建基于光譜指數(shù)的生理生態(tài)參數(shù)反演模型;研究確定LUE和FAPAR與生理生態(tài)參數(shù)之間的定量關(guān)系;再利用LUE, FAPAR與總初級(jí)生產(chǎn)力(GPP)的關(guān)系,研究構(gòu)建了楊樹GPP光譜反演模型(LUEmax+FAPARch1模型);采用渦度相關(guān)法實(shí)測(cè)得到的GPP數(shù)據(jù),對(duì)所構(gòu)建的GPP模型進(jìn)行驗(yàn)證。并與傳統(tǒng)的遙感GPP模型相比較,進(jìn)—步分析其精度。最后對(duì)驗(yàn)證的模型進(jìn)行初步應(yīng)用。本研究旨在為遙感估算楊樹人工林GPP提供理論依據(jù)與技術(shù)支撐,對(duì)進(jìn)一步提高GPP估算精度具有重要的作用和意義。主要結(jié)論如下：(1)本研究通過分析最佳指數(shù)法與相關(guān)系數(shù)法的優(yōu)缺點(diǎn),利用熵權(quán)法有機(jī)的將這兩種方法相結(jié)合,構(gòu)建了一種新高光譜特征波段的提取方法：最佳指數(shù)—相關(guān)系數(shù)法(OIFC),并成功應(yīng)用于楊樹與小麥葉片葉綠素特征波段的提取�？梢�,利用該方法提取植被特征波段具有一定可行性。(2)本研究中利用代價(jià)函數(shù)結(jié)合PROSPECT模型與實(shí)測(cè)數(shù)據(jù),對(duì)楊樹的葉片葉肉結(jié)構(gòu)進(jìn)行了分析,獲得楊樹葉片的葉肉結(jié)構(gòu)參數(shù)平均值為1.65。研究中利用OIFC(?)對(duì)楊樹葉綠素含量特征波段進(jìn)行提取,提取葉綠素特征波段為570nm、630nm、865nmo利用所提取的波段構(gòu)建了修正比值植被指數(shù)(mRVI),并與常用的植被指數(shù)進(jìn)行比較分析,結(jié)果顯示:mRVI在葉片尺度與冠層尺度葉片葉綠素含量估算都具有很高的精度。并且分別獲得葉片尺度與冠層尺度的具有較高精度的葉片葉綠素含量估算模型：LCC=0.08×(13.6×mRVI-1.50)1.62和CCC=0.28×mRVI-0.19.(3)通過對(duì)實(shí)測(cè)楊樹高光譜數(shù)據(jù)和利用PROSPECT與PROSAIL模型輸出的反射率數(shù)據(jù)分別進(jìn)行了葉片尺度和冠層尺度的干物質(zhì)含量分析。研究發(fā)現(xiàn)：干物質(zhì)含量與葉片中的水分具有較好的線性相關(guān)性,同時(shí),利用歸一化指數(shù)的計(jì)算方法篩選出楊樹葉片尺度與冠層尺度的最佳的歸一化干物質(zhì)指數(shù)(NDMI)波段組合,其分別為1685nm、1704nm和1551nm、2143nmo分析提取波段,獲得葉片尺度干物質(zhì)含量(LM)的估算模型為：LM=1.022×NDMI(1685,1704)-0.0007。通過對(duì)模型中加入葉面積指數(shù)進(jìn)行校正,構(gòu)建的模型為CM=131.65-165.83×LAI+(-64.5+55.18×LA,)×e7.704×NDMI(1551,2143),該模型提高了冠層尺度干物質(zhì)含量的估算精度。(4)通過對(duì)常用水分植被指數(shù)的敏感性分析以及受葉片干物質(zhì)與葉綠素含量的影響分析,提出利用全球植被水分指數(shù)(GMVI)與水分脅迫指數(shù)(MSI)進(jìn)行比值計(jì)算,構(gòu)建了新的水分植被指數(shù)GMVI/MSI,并在葉片尺度與冠層尺度的分別對(duì)GMVI/MSI指數(shù)估算等效水厚度(EWT)精度進(jìn)行分析。結(jié)果顯示,在楊樹葉片等效水厚度的估算中,由GMVI/MSI指數(shù)對(duì)楊樹等效水厚度估算具有較高精度,其葉片等效水厚度(EWTleaf)和冠層尺度等效水厚度(EWTcanopy)的估算模型分別為-EWTleaf=0.244-0.247×e-0.159×MSI/GVMI 和EWTcanopy=0.052×MSI/GVMI+0.008。(5)通過分析葉片尺度的生理參數(shù)與LUEmax以及葉綠素吸收的光和有效輻射比例(FAPARch1)的關(guān)系,研究發(fā)現(xiàn)葉綠素含量與干物質(zhì)含量構(gòu)建的比值指數(shù)與LUEmax具有較高的相關(guān)性。利用該比值指數(shù)構(gòu)建的LUEmax估算模型,在葉片尺度的LUEmax反演中具有較高精度,并通過尺度擴(kuò)展構(gòu)建了冠層尺度的LUEmax估算模型：LUEmax=a×CCDM+b。同時(shí),分析了傳統(tǒng)光合有效輻射吸收比例主要貢獻(xiàn)來源,考慮到光合作用中主要是由于葉綠素吸收的光合有效輻射,則FAPAR主要為葉綠素吸收的光合有效輻射比例(FA]PARch1)。并利用冠層尺度葉綠素含量構(gòu)建了冠層FAPARch1的估算模型。(6)以LUEmax、FAPARch1參數(shù)修正光能利用率為基礎(chǔ),構(gòu)建了楊樹GPP光譜反演模型(LUEmax+FAPARch1模型),采用與渦度相關(guān)法得到的GPP實(shí)測(cè)值(GPP EC),對(duì)該模型進(jìn)行驗(yàn)證,結(jié)果表明：GPP估算值與實(shí)測(cè)值的線性相關(guān)性達(dá)0.87(P0.01)。而基于VPM模型、MODIS產(chǎn)品(MOD17)所計(jì)算得到楊樹GPP值與GPP EC的相關(guān)系數(shù)分別為0.80和0.72�？梢�,所構(gòu)建的LUEmax+FAPARch1模型具有相對(duì)較高測(cè)算精度。(7)利用MODIS衛(wèi)星2010年1月1日～2013年12月31日4年的遙感光譜數(shù)據(jù),并結(jié)合相關(guān)氣象數(shù)據(jù)利用LUEmax+FAPARch1模型估算的2010-2013年楊樹片林年GPP,結(jié)果分別為8.97 MgC·hm-1,9.65 MgC·hm-1,9.33 MgC·hm-1,9.04 MgC·hm-1,可見該模型能夠準(zhǔn)確的估算不同年際間楊樹片林的GPP差異。
【關(guān)鍵詞】：楊樹 生產(chǎn)力模型 高光譜 遙感 生理生態(tài)參數(shù) 光能利用率 光合有效輻射吸收比例
【學(xué)位授予單位】：中國林業(yè)科學(xué)研究院
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：S792.11;S771.8
【目錄】：

• 摘要5-8
• Abstract8-21
• 第一章 緒論21-36
• 1.1 研究背景與意義21-23
• 1.2 國內(nèi)外相關(guān)研究進(jìn)展23-33
• 1.2.1 陸地總初級(jí)生產(chǎn)力估算方法研究進(jìn)展23-24
• 1.2.2 高光譜遙感概述24-25
• 1.2.3 遙感估算森林生產(chǎn)力的國內(nèi)外進(jìn)展25-31
• 1.2.4 GPP模型概述31-33
• 1.3 研究?jī)?nèi)容與技術(shù)路線33-36
• 1.3.1 研究目標(biāo)33
• 1.3.2 研究?jī)?nèi)容33-35
• 1.3.3 技術(shù)路線35-36
• 第二章 材料與方法36-52
• 2.1 研究區(qū)概述36-38
• 2.1.1 楊樹盆栽試驗(yàn)概況36-37
• 2.1.2 河北衡水楊樹防護(hù)林試驗(yàn)區(qū)37-38
• 2.2 測(cè)試方法38-44
• 2.2.1 樣品采集38
• 2.2.2 葉片生化組分的數(shù)據(jù)38-40
• 2.2.3 光合作用數(shù)據(jù)40-41
• 2.2.4 葉面積數(shù)據(jù)41
• 2.2.5 光譜數(shù)據(jù)41-42
• 2.2.6 通量與氣象數(shù)據(jù)42-43
• 2.2.7 星載遙感數(shù)據(jù)43-44
• 2.3 輻射傳輸模型概述44-48
• 2.3.1 PROSPECT模型44-47
• 2.3.2 SAIL模型47-48
• 2.4 植被指數(shù)的概述48-52
• 2.4.1 歸一化植被指數(shù)48-49
• 2.4.2 增強(qiáng)型植被指數(shù)49-50
• 2.4.3 比值植被指數(shù)50
• 2.4.4 葉面葉綠素指數(shù)50-51
• 2.4.5 陸面水分指數(shù)51-52
• 第三章 高光譜特征波段提取算法的改進(jìn)研究52-66
• 3.1 最佳光譜波段提取算法的改進(jìn)52-55
• 3.2 特征波段的提取55-58
• 3.2.1 基于OIF法的特征波段組合選取55-56
• 3.2.2 基于MCC法的特征波段選取56
• 3.2.3 基于OIFC法的特征波段組合選取56-58
• 3.3 特征波段驗(yàn)證58-61
• 3.3.1 楊樹葉綠素含量與SPAD值的關(guān)系58
• 3.3.2 楊樹葉片葉綠素含量的高光譜反射曲線58-59
• 3.3.3 特征波段模型的建立與驗(yàn)證59-61
• 3.4 OIFC法的適用性61-65
• 3.4.1 OIFC法的特征波段選取61-62
• 3.4.2 模型構(gòu)建62-63
• 3.4.3 模型驗(yàn)證63-65
• 3.5 本章小結(jié)65-66
• 第四章 葉綠素、水分及葉片干物質(zhì)的高光譜估算66-96
• 4.1 楊樹葉肉結(jié)構(gòu)參數(shù)選取66-69
• 4.2 楊樹葉綠素含量高光譜估算模型研究69-76
• 4.2.1 楊樹葉綠素特征波段選取69-70
• 4.2.2 葉片尺度葉綠素含量的光譜估算70-75
• 4.2.3 冠層尺度葉綠素含量的估算75-76
• 4.3 楊樹干物質(zhì)含量高光譜估算模型研究76-85
• 4.3.1 干物質(zhì)含量對(duì)光譜反射率的影響77-79
• 4.3.2 干物質(zhì)含量的敏感波段的提取79-81
• 4.3.3 葉片尺度干物質(zhì)含量的光譜估算81-82
• 4.3.4 冠層尺度干物質(zhì)含量的光譜估算82-85
• 4.4 楊樹水分含量高光譜估算模型研究85-94
• 4.4.1 葉片水分含量對(duì)葉片光譜反射率的影響85-86
• 4.4.2 植被水分含量估算指數(shù)86-87
• 4.4.3 水分植被指數(shù)敏感性分析87-89
• 4.4.4 改進(jìn)植被指數(shù)的敏感性分析89-90
• 4.4.5 葉片尺度等效水厚度的估算90-92
• 4.4.6 冠層尺度等效水厚度的估算92-94
• 4.5 本章小結(jié)94-96
• 第五章 基于生理生態(tài)參數(shù)的最大光能利用率和光合有效輻射吸收比例的估算96-110
• 5.1 基于生化組分的光合有效輻射吸收比例的高光譜模型建立96-104
• 5.1.1 葉片光合有效輻射吸收比例計(jì)算原理97-98
• 5.1.2 植被生理生化參數(shù)對(duì)光合有效輻射吸收比例的影響分析98-100
• 5.1.3 葉片尺度葉綠素的PAR吸收比例的估算100-102
• 5.1.4 冠層尺度葉綠素的PAR吸收比例的估算102-104
• 5.2 基于葉片生化組分改進(jìn)的最大光能利用率高光譜模型建立104-109
• 5.2.1 不同水肥條件下的最大光能利用率的分析105-106
• 5.2.2 楊樹葉片葉綠素含量和干物質(zhì)含量與最大光能利用的關(guān)系106-108
• 5.2.3 冠層尺度最大光能利用率估算108-109
• 5.3 本章小結(jié)109-110
• 第六章 GPP模型的構(gòu)建與應(yīng)用110-123
• 6.1 修正參數(shù)光能利用率模型110-116
• 6.1.1 修正模型概述110-112
• 6.1.2 模型運(yùn)行所需參數(shù)的來源及計(jì)算112-116
• 6.2 楊樹GPP實(shí)測(cè)數(shù)據(jù)獲取116-118
• 6.2.1 生態(tài)呼吸的估算116-117
• 6.2.2 實(shí)測(cè)楊樹GPP的分析117-118
• 6.3 模型驗(yàn)證及精度分析118-120
• 6.4 LUEmax+FAPARchl模型的應(yīng)用120-121
• 6.5 本章小結(jié)121-123
• 第七章 研究結(jié)論與展望123-127
• 7.1 研究主要結(jié)論123-125
• 7.2 創(chuàng)新點(diǎn)125
• 7.3 研究展望125-127
• 參考文獻(xiàn)127-138
• 在讀期間的學(xué)術(shù)研究138-140
• 致謝140

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐新剛;吳炳方;蒙繼華;李強(qiáng)子;黃文江;劉良云;王紀(jì)華;;農(nóng)作物單產(chǎn)遙感估算模型研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報(bào);2008年02期

2 張正斌;作物水分利用效率和蒸發(fā)蒸騰估算模型的研究進(jìn)展[J];干旱地區(qū)農(nóng)業(yè)研究;1997年01期

3 楊曦光;范文義;于穎;;森林葉綠素含量的高光譜遙感估算模型的建立[J];森林工程;2010年02期

4 姚付啟;張振華;楊潤(rùn)亞;孫金偉;崔素芳;;基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型[J];農(nóng)業(yè)工程學(xué)報(bào);2009年S2期

5 吳國金;許鐘;楊憲時(shí);郭全友;李學(xué)英;;冰鮮魚貯運(yùn)過程中耗冰量估算模型的建立與驗(yàn)證[J];中國水產(chǎn)科學(xué);2010年06期

6 徐永明;藺啟忠;王璐;黃秀華;;基于高分辨率反射光譜的土壤營養(yǎng)元素估算模型[J];土壤學(xué)報(bào);2006年05期

7 程乾;;基于MOD09產(chǎn)品的水稻葉面積指數(shù)和葉綠素含量的遙感估算模型[J];應(yīng)用生態(tài)學(xué)報(bào);2006年08期

8 張永賀;陳文惠;郭喬影;張清林;;桉樹葉片光合色素含量高光譜估算模型[J];生態(tài)學(xué)報(bào);2013年03期

9 李鳳濤;魯欣欣;王珍珍;楊錦忠;;基于多光譜特征的玉米生物參量估算模型[J];青島農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 陳朝斌;;鐵礦石經(jīng)濟(jì)評(píng)價(jià)模型建立的探討[A];2012年全國煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵學(xué)術(shù)年會(huì)文集（下）[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 程志慶;基于高光譜信息的楊樹人工林生產(chǎn)力遙感估算模型的研究[D];中國林業(yè)科學(xué)研究院;2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張小萍;黃土高原溝壑區(qū)太陽輻射時(shí)空分布特征及估算模型研究[D];西北農(nóng)林科技大學(xué);2015年

2 程博;面向敏捷開發(fā)項(xiàng)目的工作量估算模型的研究與應(yīng)用[D];北京工業(yè)大學(xué);2012年

3 馬劍;軟件開發(fā)工作量估算模型研究及其在項(xiàng)目管理中的應(yīng)用[D];華北電力大學(xué);2012年

4 賀軍亮;基于有機(jī)質(zhì)光譜診斷指數(shù)的土壤重金屬含量估算模型研究[D];南京師范大學(xué);2007年

5 劉飛鴻;衛(wèi)星對(duì)地偵察威脅估算模型研究[D];西安工業(yè)大學(xué);2014年

6 周毅軍;濕地植物葉片重金屬含量高光譜遙感估算模型研究[D];福建師范大學(xué);2014年

7 趙雅莉;基于AISA影像的濕地植物葉綠素含量估算模型研究[D];首都師范大學(xué);2013年

8 韋俊濤;電力工程造價(jià)小樣本估算模型研究[D];重慶大學(xué);2009年

9 魏晨;植物色素及氮素含量高光譜遙感估算模型的元分析[D];浙江大學(xué);2013年

10 張永賀;基于林木葉片光譜特征的生化組分估算模型探究[D];福建師范大學(xué);2013年

，

本文編號(hào)：883259