杨树林全生长期LAI遥感估算模型适用性

基于时间序列的植被叶面积指数(LAI)估算方法一直是遥感领域研究的热点,对植被全生长期LAI进行估算以跟踪其生长情况具有重要的实用意义。以此为出发点,以滁州地区杨树林为研究对象,获取多时相环境卫星CCD(简称HJ-CDD)遥感影像,并利用LAI-2000同步测量杨树林叶面积指数(LAI)。使用归一化植被指数(NDVI)分别建立展叶期、花果期、叶面积稳定期和落叶始期的LAI估算模型,通过对比分析得到了全生长期LAI估算模型,并利用实测LAI对估算LAI进行了验证。最后进一步对该模型的适用性进行了验证,结果表明,此模型对于各个时期LAI的估算具有一定的适用性和有效性,可用于全生育期的遥感LAI生成,从而为LAI的动态变化监测提供了一种有效的研究思路和方法途径。     

恢复力视角下生态型城市植被恢复空间分异及其影响因素——以陕南商洛市为例

植被恢复是建设生态型城市的重要途径,通过明晰植被恢复空间分异与潜在的植被恢复力,有助于指导可持续性生态城市的建设。以商洛市为例,基于MODIS归一化植被指数(NDVI)数据,利用Sen+Mann-Kendall模型和Hurst模型研究2000—2013年商洛市植被恢复趋势及未来持续能力,并采用地理加权回归模型(GWR)分析市域尺度内植被恢复空间分布的影响因素。结果表明:(1)2000—2013年商洛市的植被恢复效果明显,植被覆盖增大的区域占总面积的82.5%,减小的区域占总面积的9.4%;(2)2000—2013年,受城镇的距离及土地集约程度等人文因素的影响,西北部植被恢复略好于东南部。(3)Hurst指数显示,商洛市未来植被恢复的持续性不强。48.0%的区域未来植被覆盖可能会呈现由改善变退化的现象,而持续增大的区域仅占36.7%,植被恢复力仍有待加强。(4)市域尺度上,植被恢复趋势空间差异形成的自然因素包括高程、坡度、坡向、与水体的距离,而人文因素则由距离城镇的距离和土地利用集约度所主导。地理加权回归显示各区县植被恢复趋势的空间影响因素及其强度并不一致,充分说明人地关系变化对植被恢复作用机理的复杂性。     

三峡库区生态脆弱性评价

基于遥感和地理信息系统技术,采用"压力-状态-响应"评价模型,选取18个指标,利用空间主成分分析对2001—2010年三峡库区(重庆段)生态脆弱性进行综合定量评价,对生态脆弱性时空分布及动态变化进行分析。根据计算得到的生态脆弱性指数,将生态脆弱性划分为5个等级:微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱。通过统计不同脆弱性等级面积,求算得到生态脆弱性综合指数。结果表明:三峡库区(重庆段)2001—2010年生态脆弱性指数标准化平均值为4.23±1.29,整体处于中度脆弱。生态脆弱性空间分布呈现西高东低的格局特征,高度脆弱地区主要分布在中西部,低度脆弱地区主要分布在东北部和东南部。近10年生态脆弱性综合指数最小值为2002年的2.37,最大值为2008年的2.99,三峡水库蓄水后生态脆弱性综合指数逐年递增,2008年到达峰值后有所降低。三峡库区生态脆弱性是人类活动与自然环境相互作用的结果,城市生活污染、水土流失、植被状况等为主要的驱动因子。研究时段内三峡库区(重庆段)生态脆弱性呈现两极化趋势,高度脆弱地区的脆弱性显著增加,低度脆弱地区脆弱性明显降低。     

1988-2013年基于BP神经网络的植被叶面积指数遥感定量反演

叶面积指数（Leaf Area Index,LAI）高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺度上长时间序列的植被LAI,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988-2013年10期遥感影像,基于反向传播（Back Propagation,BP）神经网络构建LAI反演模型,进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值,验证与探讨了该模型的评价精度与适应性。结果表明：（1）该模型拟合度较高,2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174,0.2962和0.2581,0.7713和0.6844,各项精度评价指标均较好;（2）统计分析去除耕地后全市LAI变化,低植被覆盖（LAI<2）面积不断增加,高植被覆盖区（LAI>3）面积先减少后增加,耕地面积不断减少,符合南京市的发展变化规律;（3）主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致,反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的,为区域尺度土壤侵蚀定量遥感监测提供新途径。     

三峡大老岭自然保护区森林生态系统10年(2000-2010年)质量变化

为了解湖北三峡大老岭自然保护区森林生态系统质量状况,利用多种遥感卫星影像资料并结合野外调查数据,对该保护区10年间(2000-2010年)的森林生态系统中植物地上生物量(AGB)、叶面积指数(LAI)、净初级生产力(NPP)的年际变化进行了比较研究。结果显示:(1)大老岭自然保护区10年间AGB总体呈下降趋势,但下降幅度很小,说明大老岭自然保护区森林生态系统植被结构状态比较稳定,但整个森林生态系统的结构稳定性不够,应创新管理机制,减少人为干扰;(2)年均LAI以中等(1.6~2.2)和较高等级(2.2~2.8)所占比例较大,年均LAI为1.6~2.8的植被面积占该区植被总面积的90%以上并呈增加趋势,说明该保护区内植被长势较好、生活力旺盛;(3)10年间NPP年总量具有缓慢增加的趋势,即从4.99×1010 gC(2000年)增加到5.07×1010 gC(2010年),说明自然保护区内森林生态系统林分类型多样,异质性较强,整个森林生态系统生产能力较高。本研究结果表明大老岭自然保护区森林生态系统质量总体较好,也从侧面反映出建立自然保护区进行植被保护所取得的效果。     

利用不同分辨率卫星影像的NDVI数据估算叶面积指数(LAI)——以岷江上游为例

短周期的低分辨率遥感数据为大面积估算LAI及季节动态和物候趋势提供了有利工具,但基于高分辨率LAI的遥感估算模型在低分辨率遥感数据上应用有很大的不确定性。研究利用LAI-2000冠层分析仪与跟踪辐射和冠层结构测量仪(TRAC),测定了岷江上游流域范围内490块野外调查样地(50m×50m样方)的LAI数据,结合同期较高精度卫星数据(TM)建立了不同植被类型的LAI-NDVI算法,在经过传感器的相对校正后,将这种算法应用到同期分辨率较低的MODIS数据和SPOT VEGETATION数据上。结果表明,30m分辨率的TM LAI的均值为4.53,250m MODIS LAI的均值为3.55,1000m VGT LAI的均值为4.20,随着栅格分辨率的降低,总体标准差有增加的趋势,并且LAI值也有不同程度的低估,其中MODIS LAI值被低估约22%。但利用TM LAI数据验证MODIS和VGT LAI数据后发现,250m的MODIS数据预测误差在30%左右,1000m的SPOT数据预测误差则高达50%,空间重采样分析表明,栅格分辨率的降低是导致预测误差扩大的主要原因,而这也是岷江流域植被分布破碎化的体现。     

广西西江流域植被净初级生产力时空分布特征及其影响因素

植被净初级生产力(net primary productivity,NPP)是流域生态系统功能的关键因子之一。本研究基于Carnegie-Ames-Stanford approach(CASA)模型,综合利用2003—2012年MODIS序列遥感数据、植被数据和气象数据,对广西西江流域植被NPP进行估算,并分析其时空格局及其影响因素。结果表明:2003—2012年广西西江流域的NPP年均值为524.67 g C·m~(-2)·a~(-1);NPP高值主要集中在研究区南部和东部地区,而中部地区NPP值相对较低;从地形上看,河谷平原植被NPP值较低,丘陵山地植被NPP值较高;不同类型植被对应的NPP值差异较大;常绿阔叶林NPP值最高,为788 g C·m~(-2)·a~(-1);栽培作物NPP值最低,为386 g C·m~(-2)·a~(-1)。2003—2012年研究区植被NPP平均值位于430.05~602.48g C·m~(-2)·a~(-1),总体呈现波动下降趋势。NPP呈现减少趋势的区域占研究区总面积的88.89%;7—10月NPP值较高,1—3月NPP值较低。NPP与年均降水量总体呈负相关关系,与年均温呈正相关关系;NPP受气候因子(降水量、气温)的综合影响,且植被NPP与气候因子(降水量、气温)相关性较密切,复相关系数为0.67。     

中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据

该研究基于中国生态系统研究网络(CERN)数据对传统CASA模型进行优化,对比两叶模型与优化CASA模型在站点尺度和像元尺度对于8个典型生态站点的植被净初级生产力(NPP)估算精度,选择在像元尺度表现更好的优化CASA模型,结合中国土地覆被数据(ChinaCover)开展2000—2019年中国陆地植被NPP监测与分析。研究结果表明：(1)基于FY2D PAR的优化方案能够有效避免空间插值导致的不确定性问题,显著提高了PAR估算精度;(2)在站点尺度上,两叶模型用于估算典型森林、草地生态系统的NPP表现更好,而在像元尺度上优化CASA模型估算精度更高;(3)在全国尺度上,优化了最大光能利用率、水分胁迫系数以及光合有效辐射计算方法的CASA模型能够较好地模拟中国陆地植被NPP,近20年中国陆地植被NPP变化范围为2.703—2.882 PgC/a,在空间上呈西北低东南高的格局,在时间上呈现波动中缓慢增加的趋势。     

福州市森林碳储量定量估算及其对土地利用变化的响应

基于RS与GIS技术,以遥感影像数据、土地利用数据、森林资源二类调查数据为主要数据源,采用逐步回归法建立森林蓄积量定量估测模型。根据"蓄积量-生物量-碳储量"推算方法,对福州市森林植被碳储量和碳密度进行估算。建立福州市土地利用转移矩阵,分析2000—2010年土地利用变化影响下的福州市森林碳储量变化特征。结果表明:(1)根据不同的森林类型,即常绿阔叶林、常绿针叶林、针阔混交林分别建立的多元线性回归模型修正决定系数分别为0.599、0.679、0.694,通过模型适用性检验和精度验证。(2)2000年、2010年福州市森林植被碳储量总量分别为12.499Tg、12.642Tg,植被碳密度分别为18.694、18.708 t/hm~2,森林植被碳储量增加了1.430×10~5t。(3)福州市闽清县、永泰县、闽侯县的森林植被碳密度常年保持较高水平,并呈现出增长趋势;罗源县、长乐市、连江县森林植被碳密度较低,并呈现下降趋势。(4)2000—2010年,灌木和耕地是主要土地利用类型转出者,森林和建设用地是主要土地利用类型转入者。森林主要由灌木和耕地转化,主要向建设用地、耕地进行转化。由于土地利用变化,10年间福州市总碳储量减少了1.711×10~4t,其中土壤碳储量减少2.230×10~3t,植被碳储量减少1.489×10~4t。     

秦巴山地植被绿度特征及其对地表水热的响应

地表水热通过影响土壤和大气间的水分交换以及植被生长用水对植被格局起关键作用。使用2000—2020年MODIS叶面积指数(Leaf area index, LAI)作为秦巴山地植被绿度的评价指标,基于遥感技术获取同时段地表温度(Land surface temperature, LST)和温度植被干旱指数(Temperature vegetation drought index, TVDI),用于指示地表水热状况。结合坡向和海拔等地形因素,使用均值和趋势法分析了秦巴山地植被绿度的时空特征;采用时滞相关性分析、主导因素分析探究了植被绿度与地表水热的相关关系,以及影响植被绿度变化的主导因素;借助广义可加模型,结合植被类型探讨了植被绿度与地表水热的非线性关系。结果表明：(1)秦巴山地LAI集中在1—5之间,LAI均值随海拔先增后减,不同坡向LAI差异较大,表现为大巴山北坡>大巴山南坡>秦岭南坡>秦岭北坡>西秦岭。秦巴山地LAI高值区与地表水热较好的地区在空间分布上具有一致性,LAI低值区与LST低值区或TVDI高值区较为一致。(2)秦巴山地LAI以由增变减趋势为主,变...     

“三生空间”视角下三峡库区土地利用转型的生态系统服务价值效应

明晰社会经济快速转型背景下的“三生空间”演变过程及其生态系统服务效应,对国土空间优化和区域可持续发展具有重要意义。以1980、2000、2018年土地利用遥感监测数据为基础,基于“三生空间”视角,采用地学信息图谱刻画了三峡库区土地利用转型过程,并通过生态系统服务贡献值测度了土地利用转型的生态环境效应。结果表明: 1980—2018年,三峡库区工业生产空间和生活空间面积不断增加,而农业生产空间和生态空间面积逐渐减少;从图谱转移视角分析,1980—2000年间,土地利用格局相对稳定,以未发生转移的图谱单元占主导,而2000—2018年土地利用转型复杂,以农业生产空间与林地、草地生态空间相互转化占主导,城镇化、工业化进程加快是导致农业生产空间、生态空间面积萎缩的主要原因;三峡库区生态系统服务价值在时间上呈先缓慢降低后迅速增加的趋势,在空间上呈“东部高-西部低”的分布特征;生态保护修复工程促进了生态系统服务价值正效应,但经济社会快速发展挤占了大量的农业生产空间、生态空间,加之农田复耕等行为在一定程度上导致了生态系统服务价值负效应。     

Perspectives for ecosystem management based on ecosystem resilience and ecological thresholds against multiple and stochastic disturbances

Ecosystem resilience is the inherent ability to absorb various disturbances and reorganize while undergoing state changes to maintain critical functions. When ecosystem resilience is sufficiently degraded by disturbances, ecosystem is exposed at high risk of shifting from a desirable state to an undesirable state. Ecological thresholds represent the points where even small changes in environmental conditions associated with disturbances lead to switch between ecosystem states. There is a growing body of empirical evidence for such state transitions caused by anthropogenic disturbances in a variety of ecosystems. However, fewer studies addressed the interaction of anthropogenic and natural disturbances that often force an ecosystem to cross a threshold which an anthropogenic disturbance or a natural disturbance alone would not have achieved. This fact highlights how little is known about ecosystem dynamics under uncertainties around multiple and stochastic disturbances. Here, we present two perspectives for providing a predictive scientific basis to the management and conservation of ecosystems against multiple and stochastic disturbances. The first is management of predictable anthropogenic disturbances to maintain a sufficient level of biodiversity for ensuring ecosystem resilience (i.e., resilience-based management). Several biological diversity elements appear to confer ecosystem resilience, such as functional redundancy, response diversity, a dominant species, a foundation species, or a keystone species. The greatest research challenge is to identify key elements of biodiversity conferring ecosystem resilience for each context and to examine how we can manage and conserve them. The second is the identification of ecological thresholds along existing or experimental disturbance gradients. This will facilitate the development of indicators of proximity to thresholds as well as the understanding of threshold mechanisms. The implementation of forewarning indicators will be critical particularly when resilience-based management fails. The ability to detect an ecological threshold along disturbance gradients should therefore be essential to establish a backstop for preventing the threshold from being crossed. These perspectives can take us beyond simply invoking the precautionary principle of conserving biodiversity to a predictive science that informs practical solutions to cope with uncertainties and ecological surprises in a changing world.     

Spatial heterogeneity of global forest aboveground carbon stocks and fluxes constrained by spaceborne lidar data and mechanistic modeling

Forest carbon is a large and uncertain component of the global carbon cycle. An important source of complexity is the spatial heterogeneity of vegetation vertical structure and extent, which results from variations in climate, soils, and disturbances and influences both contemporary carbon stocks and fluxes. Recent advances in remote sensing and ecosystem modeling have the potential to significantly improve the characterization of vegetation structure and its resulting influence on carbon. Here, we used novel remote sensing observations of tree canopy height collected by two NASA spaceborne lidar missions, Global Ecosystem Dynamics Investigation and ICE, Cloud, and Land Elevation Satellite 2, together with a newly developed global Ecosystem Demography model (v3.0) to characterize the spatial heterogeneity of global forest structure and quantify the corresponding implications for forest carbon stocks and fluxes. Multiple-scale evaluations suggested favorable results relative to other estimates including field inventory, remote sensing-based products, and national statistics. However, this approach utilized several orders of magnitude more data (3.77 billion lidar samples) on vegetation structure than used previously and enabled a qualitative increase in the spatial resolution of model estimates achievable (0.25° to 0.01°). At this resolution, process-based models are now able to capture detailed spatial patterns of forest structure previously unattainable, including patterns of natural and anthropogenic disturbance and recovery. Through the novel integration of new remote sensing data and ecosystem modeling, this study bridges the gap between existing empirically based remote sensing approaches and process-based modeling approaches. This study more generally demonstrates the promising value of spaceborne lidar observations for advancing carbon modeling at a global scale.     

帽儿山地区森林冠层叶面积指数的地面观测与遥感反演

叶面积指数(leaf area index,LAI)是陆地生态系统最重要的结构参数之一,遥感和基于冠层孔隙率模型的光学仪器观测是快速获取LAI的有效方法,但由于植被叶片的聚集效应,这些方法通常只能获取有效叶面积指数(effective LAI,LAIe).本文以东北林业大学帽儿山实验林场为研究区,利用LAI2000观测森林冠层LAIe,并结合TRAC观测的叶片聚集度系数估算了森林冠层LAI,并通过分析基于Landsat5-TM数据计算的不同植被指数与LAIe之间的关系,建立了该区森林LAI遥感估算模型.结果表明:研究区阔叶林的LAI和LAIe基本相当,而针叶林的LAI比LAIe大27%;减化比值植被指数(reduced simple ratio,RSR)与该区LAIe的相关性最好(R2=0.763,n=23),最适合该区LAI的遥感提取.当海拔<400 m时,LAI随海拔高度的上升而快速增大;当海拔在400～750 m时,LAI随海拔高度的上升缓慢增大;当海拔>750 m时,LAI呈下降趋势.研究区森林冠层LAI与森林地上生物量存在显著的正相关关系.     

土地利用变化对三峡库区重庆段植被净初级生产力的影响

研究土地利用变化对区域植被净初级生产力(Net Primary Productivity,NPP)的影响对于明确区域植被固碳能力与土地利用变化的关系,以及维持生态系统结构稳定具有重要意义。以三峡库区重庆段为例,基于2000—2015年MOD17A3数据和土地利用数据,分析研究区NPP时空分布特征并从景观生态学的角度探讨土地利用变化对区域植被NPP的影响。研究表明:(1)NPP年均值16年间波动不大,空间分布上从东到西逐渐减少;(2)研究期内林地面积增加,耕地和草地面积减小,而NPP总量从25.6 TgC增加到了28.5 TgC,其中耕地NPP约占总量的44%,林地次之(40%),草地最少(14%),2000—2005年、2005—2010年、2010—2015年土地利用变化对NPP变化的贡献率分别为26.49%、59.76%、17.27%;(3)区域生态景观指数中的香农多样性指数SHDI、斑块密度PD与NPP呈正相关,而聚合度AI与NPP呈负相关,景观格局类型和景观格局变化均影响区域植被NPP的增长。要提高区域植被NPP,需优化土地利用格局,增加景观异质性和斑块密度,重视培育幼龄林,并控制成熟林的数量。     

Implementation of a hierarchical global vegetation classification in ecosystem function models

Abstract. We propose an alternative approach for the currently used biogeographic global vegetation classifications. A hierarchical vegetation classification system is proposed for consistent and routine monitoring of global vegetation. Global vegetation is first defined into six classes based on plant canopy structure and dynamics observable by remote sensing from satellites. Additional biome variability is then represented through a remote sensing derived leaf area index map, and direct climate data sets driving an ecosystem model to compute and map net primary production and evapotranspiration. Simulation results from an ecosystem function model suggest that the six canopy structure-based classes are sufficient to represent global variability in these parameters, provided the spatio-temporal variations in Leaf Area Index and climate are characterized accurately. If a bioclimatically based classification is needed for other purposes, our six class approach can be expanded to a possible 21 classes using archived climatic zones. For example, tropical, subtropical, temperate and boreal labels are defined by absolute minimum temperature. Further separation in each class is possible through changes in water availability defined by precipitation and/or soils. The resulting vegetation classes correspond to many of the existing, conventional global vegetation schemes, yet retain the measure of actual vegetation possible because remote sensing first defines the six biome classes in our classification. Vegetation classifications are no longer an end product but a source of initializing data for global ecosystem function models. Remote sensing with biosphere models directly calculates the ecological functions previously inferred from vegetation classifications, but with higher spatial and temporal accuracy.     

祁连山区青海云杉林冠层叶面积指数的反演方法

叶面积指数(Leaf area index, LAI)是陆地生态系统的一个十分重要的结构参数。随着空间精细化模型的发展和基于过程的分布式模拟技术的应用, 对LAI的区域估算显得越来越重要, 但目前尚缺乏有效的估算手段。该项研究以青海云杉(Picea crassifolia)林为研究对象, 利用LAI-2000冠层分析仪、鱼眼镜头法和经验公式法对林冠层LAI进行了测定, 观测值分别为1.03~3.70、0.48~2.26和2.27~8.20, 显然, 仪器测定值偏低。针对针叶的集聚效应导致仪器测定值偏低的现象, 利用跟踪辐射与冠层结构测量仪(TRAC)测定的青海云杉林聚集系数计算调整系数, 对鱼眼镜头法获取的LAI值进行订正。根据高分辨率的遥感数据反演青海云杉林的植被指数与LAI的关系, 最后获得了较合理的该地区林冠层LAI的空间分布图。