2009年武汉市植被净初级生产力估算

利用CASA模型,结合实测的光合有效辐射（PAR）数据、MODIS归一化植被指数（NDVI）和Land Cover数据、气象数据等资料,估算了2009年武汉市的植被净初级生产力（NPP）。结果显示,武汉市的植被平均单位面积年NPP产量达到464.19gC·m^-2·a^-1。6、7、8三个月NPP积累值最高,占全年的56.8%;12、1、2三个月NPP值最低,仅占5.6%。黄陂区由于林地较广,NPP值较大,在1 000gC·m^-2·a^-1以上;而城市周边由于植被覆盖面积较小,NPP值较低,在400gC·m^-2·a^-1以下。     

鄂尔多斯草原植被净生产力反演研究

以CASA模型为基础,利用Landsat TM遥感数据作为数据源,并结合气象站的气象数据以及数字高程模型,对1991年-2000年内蒙古地区杭锦旗境内的鄂尔多斯草原进行分类和植被净初级生产力的估算研究,同时使用MODIS数据的NPP数值产品进行精度评价和校正。结果表明:(1)鄂尔多斯草原在生长旺盛季(7月-8月)的NPP的总值为4.70263×1012gCm-2a-1,平均值为124.25gCm-2a-1;(2)鄂尔多斯草原近十年植被净生产力变化呈现先升高后降低的趋势,与95年后过度放牧开垦以及降水量的减少密切相关;(3)利用MODIS中的NPP合成数据产品随机选点做线性回归分析,相关性R2=0.741,可以得到本研究利用CASA模型进行的NPP反演效果较好的结论,具有研究价值。     

皖江城市带植被NPP时空变化及其气候响应

针对现有植被净初级生产力研究对城市圈、城市带尺度缺乏关注的问题,基于MODIS遥感数据、地面气象资料等,利用改进的CASA模型,结合回归分析、相关分析等方法探究了2000—2013年皖江城市带植被NPP的时空变化及其对气候因子的响应,为区域生态环境质量评价提供参考。结果表明:近14年来,皖江城市带植被NPP总体呈增加趋势;不同土地利用类型NPP差异显著,林地草地耕地建设用地未利用土地水体;年NPP均值呈现由南部向西北部减少的空间分布特征;植被NPP年际变化率较小,介于±10gC·m-2·a-1范围内;温度是影响研究区植被NPP时空变化的主要气候因子。     

福建省植被NPP时空格局及其驱动力分析

以福建省为研究区,以中等分辨率MODIS NDVI遥感数据、气象数据及其他辅助数据为数据源,基于植被净初级生产力(net primary productivity,NPP)光能利用率估算模型——CASA,定量研究了该区域历史序列(2001—2012年)NPP时空变化格局,探索其主要影响因素。结果表明:2001—2012年该区域NPP总体呈现下降趋势,2003年和2005年为历年变化下降率最大的两年;该区域NPP时空分布特征明显,在空间上表现为由南向北递减的空间分布格局,且沿海经济发达区域NPP普遍较低;时间上表现为春秋两季具有相同的空间分布,夏季具有最高的NPP,占全年NPP的56%,冬季平均NPP在120gC·m~(-2)·a~(-1)以下;降水和温度与NPP的线性相关性较小,且线性相关性随空间位置的不同而有所差异;福建省NPP对气候因子的响应随空间位置的变化而变化,在不同的区域,其主要的胁迫因子不同,NPP总体受到辐射量的驱动因素要比其他胁迫因子强。     

融合高时空分辨率数据估算植被净初级生产力

植被净初级生产力NPP(Net Primary Production)遥感估算与分析,有赖于高时空分辨率的遥感数据,但目前中高分辨率的遥感数据受卫星回访周期及天气的影响,在中国南方地区难以获取连续时间序列的数据,从而影响了高精度的区域植被净初级生产力的遥感估算。为此,提出一种基于多源遥感数据时空融合技术与CASA模型估算高时空分辨率NPP的方法。首先,利用多源遥感数据,即Landsat8 OLI数据与MODIS13Q1数据,采用遥感数据时空融合方法,获得了时间序列的Landsat8 OLI融合数据;然后,基于Landsat8 OLI时空融合数据,并采用CASA模型,以长株潭城市群核心区为例,进行区域植被NPP的遥感估算。研究结果表明,基于时间序列Landsat融合数据估算的30m分辨率的NPP具有良好的空间细节信息,且估算值与实测值的相关系数达0.825,与实测NPP数据保持了较好的一致性。     

基于CASA模型的干旱区农作物NPP估算

利用改进的CASA模型估算黑河流域中游农作物植被净初级生产力,把灌溉因素加入改进的CASA模型中,综合利用了ArcMap、ENVI等GIS软件对空间数据进行处理,并以2012年为例,估算了黑河流域中游的农作物NPP。结果表明,加入灌溉因素后的CASA模型可以更好地模拟我国西北地区干旱区农作物植被的NPP。在空间尺度上,降雨量越小越干旱的地区,灌溉因素对估算结果的影响越大,考虑灌溉因素使得NPP的值更稳定。改进后的模型更加适合于灌溉区域的NPP估算。     

基于CASA模型的北京植被NPP时空格局及其因子解释

以北京为研究区,整合遥感数据、气象数据及其他多源辅助数据,基于改进的光能利用率(carnegie-amesstanford approach,CASA)模型分析了2010年北京植被生态系统净初级生产力(net primary productivity,NPP)的时空分布格局及其主要影响因素。结果表明:12010年北京NPP总量为5.5 Tg C,其NPP的空间分布格局为北部和西部山区总量较高,平原区NPP总量较低;2北京植被NPP的季节变化明显,夏季NPP最大,占全年的62%,冬季最小,仅占3%,春季和秋季分别占全年NPP总量的18%和17%;3北京植被NPP受水分和热量条件限制,不同区域的主要限制因子不同,北部和西部山区自然植被受气温影响较大,平原区农作物生长更容易受降水影响,而在山区向平原过渡区域的植被受太阳辐射变化影响明显。     

川西北江河源区植被净初级生产力时空动态演变

基于CASA模型,采用MOD13A3卫星数据和气象数据估算了2006~2009年川西北江河源区植被净初级生产力(NPP)的变化情况。研究结果表明,研究区年均植被NPP的空间分布基本呈由东向西逐级递减趋势,NPP的空间分布与水热条件差别和不同植被类型的地带性分布关系紧密;研究区月均NPP基本呈正态分布,植被月均NPP呈先升后降的趋势,且NPP值基本在7~8月达到峰值,在12月、1月降到最低;植被NPP积累时期主要是夏季,但秋季NPP积累量也存在上升趋势。     

国产HJ-1B卫星数据的地表温度及湿度反演方法——以呼伦贝尔草原伊敏露天煤矿区为例

草原露天煤矿的土壤湿度遥感监测可以反映露天开采活动对生态环境的扰动程度。选择国产环境卫星(HJ-1B)多光谱及热红外光谱数据,探讨HJ-1B数据在中国北部呼伦贝尔草原伊敏露天煤矿区地表温度及湿度的反演模型及适宜性,对比分析JMS,Qin和Artis算法在研究区温度反演中的精度及适用性;进一步利用归一化植被指数和地表温度(NDVI-LST)的特征空间反演温度植被干旱指数(temperature vegetation dryness index,TVDI);通过野外实测土壤湿度数据对NDVI–LST特征空间中的干边模型进行修正。结果表明:基于Qin算法反演的温度数据精度最高;干边纠正系数为0.3时,TVDI与实测土壤含水量相关性最高,"湿边"呈现剖物线特征,"干边"呈现线性规律。反演结果能够很好地反映露天煤矿区内不同地物的地表干旱状况及空间异质性,可为草原露天煤矿区的长周期陆面演变监测提供基础数据。     

基于高分一号与Landsat-8影像的水体浊度反演比较

为分析高分一号WFV传感器16 m遥感影像在水质反演方面的能力,本文选取南四湖为研究区,以高分一号卫星影像与Landsat-8卫星OLI影像为数据源,结合地面同步实测水体浊度数据,建立反演水体浊度的原始光谱反射率模型、归一化反射率模型和波段比值模型,并对各模型进行精度评价,分别比较两个传感器在浊度反演能力方面的差异。结果表明:利用高分一号WFV 16m遥感影像进行水质反演具有较高的精度,且具备更高的空间分辨率和更短的重访周期,可以替代Landsat-8多光谱数据。     

2000—2010年神东矿区植被NPP的变化特征及影响因素分析

基于EOS/MODIS NPP数据集,对神东矿区植被净初级生产力(NPP)变化的时空特征及主要影响因素进行分析。研究表明,2000—2010年,神东矿区植被年NPP主要介于(98~160)g C/(m2·a)区间,11 a平均值为139.80 g C/(m2·a),低于同期全国植被年平均NPP值360.97 g C/(m2·a)约61.3%,低于同期矿区10 km缓冲区年平均NPP值142.49 g C/(m2·a)约2%,同时也低于同纬度对比区域年均NPP值161.97 g C/(m2·a)约13.7%。11 a NPP值一元线性回归分析表明,3个区域2000—2010年平均NPP变化趋势及斜率特征大致相符,相关系数均达到0.94以上;植被NPP与同期气候因子的相关性分析表明,神东矿区植被年NPP与年降水量相关系数较大,为0.716。     

湖北省植被净初级生产力时空变化特征及其影响因素分析

基于改进的光能利用率模型,本文利用MODIS数据和同期气象数据估算分析了湖北省2001—2012年间植被净初级生产力(NPP)的时空变化特征并借助多元统计分析方法定量探究自然因素(气温、降水量、太阳辐射)和人为因素(土地覆被/土地利用、粮食播种面积、粮食产量、人口数量)对NPP变化的影响。结果表明:1)湖北省NPP呈波动上升趋势,年际增加趋势为8.19 g/m~2·a;2) NPP空间分布差异明显,呈现西高东低、北高南低、从西向东逐渐递减的态势;3)造林累计面积和太阳辐射变化是影响NPP变化的主要因素。     

Estimating net primary productivity in tropical forest plantations in India using satellite-driven ecosystem model

Net Primary Productivity (NPP) is a significant biophysical vegetation variable to understand the spatio-temporal distribution of carbon and source-sink nature of the ecosystem. This study was carried out in a forest plantation area and aimed to (i) estimate the spatio-temporal patterns of NPP during 2009 and 2010 using Carnegie-Ames-Stanford Approach [CASA] model and (ii) study the effects of climate variables on the NPP using generalized linear modelling (GLM) approach. The total annual NPP varied from 157.21 to 1030.89 gC m^?2 yr^?1 for the year 2009 and from 154.36 to 1124.85 g C m^?2 yr^?1 for the year 2010. The annual NPP was assessed across four major plantation types, where maximum NPP gain (106 and 139 g C m^?2 yr^?1 ) in October was noticed in teak (Tectona grandis) and minimum (77 and 109 g C m^?2 yr^?1 ) in eucalyptus (Eucalyptus hybrid) during 2009 and 2010.The validation, using field-estimated NPP, showed under-estimation of modelled NPP, with maximum MAPE of 34% for eucalyptus and minimum of 13% for teak. The dominant influence of precipitation on the NPP was revealed by GLM explaining more than 20% of variation. CASA model efficiently estimated the annual NPP of plantations. The accuracy could be improved further with inclusion of higher resolution data.     

Modelling the current and future spatial distribution of NPP in a Mediterranean watershed

The aim of this study is to use full spatial resolution Envisat MERIS data to drive an ecosystem productivity model for pine forests along the Mediterranean coast of Turkey. The Carnegie, Ames, Stanford Approach (CASA) terrestrial biogeochemical model, designed to simulate the terrestrial carbon cycle using satellite sensor and meteorological data, was used to estimate annual regional fluxes in terrestrial net primary productivity (NPP). At its core this model is based on light-use efficiency, influenced by temperature, rainfall and solar radiation. Present climate data was generated from 50 climate stations within the watershed using co-kriging. Regional scale pseudo-warming data for year 2070 were derived using a Regional Climate Model (RCM) these data were used to downscale the GCM General Circulation Model for the research area as part of an international research project called Impact of Climate Changes on Agricultural Production Systems in Arid Areas (ICCAP). Outputs of climate data can be moderated using the four variables of percent tree cover, land cover, soil texture and NDVI. This study employed 47 MERIS images recorded between March 2003 and September 2005 to derive percent tree cover, land cover and NDVI. Envisat MERIS data hold great potential for estimating NPP with the CASA model because of the appropriateness of both its spatial and its spectral resolution.     

Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model

Since the estimate of moisture stress coefficients (MSC) in the current Carnegie-Ames-Stanford-Approach (CASA) model still requires considerable inputs from ground meteorological data and many soil parameters, here we present a modified CASA model by introducing the land-surface water index (LSWI) and scaled precipitation to model the vegetation net primary productivity (NPP) in the arid and semiarid climate of the Mongolian Plateau. The field-observed NPP data and a previously proposed model (the Yu-CASA model) were used to evaluate the performance of our LSWI-based CASA model. The results show that the NPP predicted by both the LSWI-based CASA model and the Yu-CASA model showed good agreement with the observed NPP in the grassland ecosystems in the study area, with coefficients of determination of 0.717 and 0.714, respectively. The LSWI-based CASA model also performed comparably with the Yu-CASA model at both biome and per-pixel scales when keeping other inputs unchanged, with a difference of approximately 16 g C in the growing-season total NPP and an average value of 2.3 g C bias for each month. This indicates that, unlike an earlier method that estimated MSC based entirely on climatic variables or a soil moisture model, the method proposed here simplifies the model structure, reduces the need for ground measurements, and can provide results comparable with those from earlier models. The LSWI-based CASA model is potentially an alternative method for modelling NPP for a wide range of vegetation types in the Mongolian Plateau.     

利用改进的CASA模型估算城市尺度NPP——以徐州城区为例

针对城市地物的特点,本文基于两种不同空间分辨率的遥感数据,利用原始与改进后的CASA估算了徐州城区的NPP,探讨了CASA模型的改进和遥感影像的空间分辨率对城市尺度NPP估算结果的影响。研究结果表明：①城市建筑用地对城市NPP的估算结果有较大的影响。改进的CASA模型将建筑用地的光合有效辐射（FPAR）归零,其估算值降至15.503 gC·m^-2·month^-1,有效去除了建筑用地对城区NPP估算的影响。②低空间分辨率的遥感数据对城市尺度的NPP存在高估现象。MOD13Q1+改进的CASA模型估算的NPP均值为18.607 gC·m^-2·month^-1,比Landsat 8 OLI+改进的CASA模型估算结果高出了3.104 gC·m^-2·month^-1。该研究结果可为城市尺度NPP估算提供新的方法,为城市碳汇估算提供科学依据。     

面向对象的库区高分一号影像土地利用信息提取

高分一号（GF-1）是我国自主研发的第一颗高分辨率遥感卫星，其包含地物信息较为丰富，已应用于土地利用信息提取，但在水利工程库区土地利用调查方面研究较少。本文以峡江水利枢纽工程库区为例，首先对库区影像进行了基于RPC模型的正射校正、几何精纠正等预处理；然后针对GF-1的传感器响应特性，采用基于多元线性波段拟合的方法对多光谱与全色影像进行融合，该方法相对于传统分量替换法具有更好的融合性能；最后综合利用影像的光谱、纹理及形状等特征，采用面向对象的方法对融合后的库区影像进行了地类信息提取与分类精度评价。试验结果表明，融合影像可以有效提取水利工程库区的土地利用信息，总体分类精度达到87.9%，Kappa系数为0.836，能够满足库区土地利用调查和变化监测的要求。     

结合高分遥感和多源数据的高原湖泊流域土地利用分析

高分一号卫星是为提升我国高分辨率数据自给率自主发射的卫星，在土地利用监测方面具有重要的应用价值。将GF-1卫星影像与多源数据影像进行对比能够挖掘各数据源在土地利用动态监测方面的差异性。本文以云南省杞麓湖流域为研究区，选取最新的Sentinel-2、GF-1和Landsat 8卫星遥感影像进行土地利用分类，以第二次全国土地利用调查数据为基期数据，结合野外实地调研和土地利用转移矩阵开展土地利用现状和演变分析，得出以下结论：①杞麓湖流域的水域、建设用地、耕地和林地自中心向外呈现出圈层分布的特征，与第二次全国土地调查结果相比，水域、耕地、林地3种类型的自然景观面积减少，而建设用地和其他用地受人类活动的影响，面积大幅增加，变化主要集中在杞麓湖周边的纳古镇和河西镇。②Sentinel-2卫星影像与GF-1卫星影像均具有较高的空间分辨率，二者对土地利用变化评估的结果相近，均优于Landsat 8卫星影像，其中GF-1卫星影像具有较高的应用价值。