浙江省竹林地上碳储量的时空动态模拟及影响因素

竹林具有高效的固碳能力,在应对全球气候变化中扮演重要角色.然而,目前大尺度竹林碳储量估算误差大,导致竹林碳储量时空格局存在较大的不确定性.本研究以浙江省为例,耦合遥感数据和BIOME-BGC生态系统过程模型模拟1984—2014年浙江省竹林地上碳储量,并利用森林资源清查数据进行精度验证,分析浙江省竹林地上碳储量时空格局以及环境因子对竹林地上碳储量的影响.结果表明: 模拟得到的竹林地上碳储量精度较高,平均相关系数(r)、均方根误差(RMSE)和相对偏差(rBIAS)分别达到了0.75、7.24 Mg C·hm^-2和-2.57 Mg C·hm^-2,全省竹林地上碳储量总体呈上升趋势,碳密度在13.10～17.14 Mg C·hm^-2,总碳储量在9.94～17.19 Tg C,其中,竹林地上碳储量高值区域主要分布在安吉、临安、龙游等竹产业发达地区.竹林地上碳储量的变化与温度、降水、辐射、CO₂浓度、大气N沉降5个环境因子显著相关,降水量和温度与碳储量的偏相关系数较大.     

双集合卡尔曼滤波LAI同化结合BEPS模型的竹林生态系统碳通量模拟

叶面积指数(LAI)是森林生态系统碳循环研究的重要观测数据,也是驱动森林生态系统模型模拟碳循环的重要参数.本文以毛竹林和雷竹林为研究对象,首先利用双集合卡尔曼滤波,同化两种竹林生态系统观测站点2014—2015年MODIS LAI时间序列数据,然后将同化的高质量毛竹LAI和雷竹LAI作为输入数据驱动BEPS模型,模拟两种竹林生态系统总初级生产力(GPP)、净生态系统碳交换量(NEE)和总生态系统呼吸(TER)等碳循环数据,并用通量站实际观测值评价模拟结果;另外,还对比不同质量LAI对碳循环模拟的影响.结果表明: 双集合卡尔曼滤波同化得到的毛竹林和雷竹林LAI与实测LAI之间的相关关系极为显著,R²分别为0.81和0.91,且均方根误差和绝对偏差均较小,极大地提高了MODIS LAI的产品精度;在同化得到的LAI驱动下,BEPS模型模拟的毛竹林GPP、NEE和TER与实际观测值之间的R²分别为0.66、0.47和0.64,雷竹林分别为0.66、0.45和0.73,模拟结果均好于三次样条帽盖算法平滑LAI模拟得到的GPP、NEE和TER,其中,毛竹林、雷竹林NEE的模拟精度提高幅度最大,分别为11.2%和11.8%.     

PROSPECT5耦合4SAIL模型的亚热带典型森林冠层反射率时间序列模拟

冠层反射率在森林植被类型精确解译、森林碳同化关键参数如叶面积指数(LAI)、叶绿素等遥感反演等方面具有重要意义.本研究以亚热带毛竹林、雷竹林和常绿落叶阔叶混交林3种典型森林类型为研究对象,通过耦合PROSPECT5和4SAIL模型模拟其冠层反射率时间序列.首先,对PROSPECT5和4SAIL模型参数进行敏感性分析,探讨模型参数对冠层反射率的影响;其次,利用实测反射率对不敏感参数进行优化,并确定其参数值;最后,耦合PROSPECT5和4SAIL模型模拟3种亚热带森林冠层反射率,并与MODIS反射率进行对比.结果表明:LAI对第1、2、3、5、7波段最敏感,各波段的总敏感指数分别为0.80、0.83、0.94、0.66、0.47;叶绿素含量对第4波段最敏感,总敏感指数为0.59;叶片含水量对第6波段的敏感性最大,总敏感性指数为0.54;叶子结构参数、类胡萝卜素、热点参数、干物质含量和土壤干湿比等参数对各个波段都不敏感或敏感性较小.优化后的PROSPECT5和4SAIL模型模拟得到的冠层反射率能够真实反映3种典型森林的季节性变化规律,通过与MODIS反射率对比分析发现,模拟冠层反射率和MODIS反射率之间具有较高的决定系数,分别为0.86、0.90、0.93,均方根误差(RMSE)也较小,分别为0.09、0.07、0.05,且模拟反射率能在一定程度上解决MODIS反射率数据冬季易受雨雪、混合像元影响等问题.     

基于MODIS时间序列反射率数据的雷竹林LAI反演

本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月-2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明: SR为唯一入选逐步回归模型的变量;b₁、b₂、b₃和b₇以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R²为0.71,RMSE为0.34,RMSE_r为13.6%,其R²比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSE_r降低了12.3%,与MODIS LAI相比,其R²提高了54.5%,RMSE降低了79.3%,RMSE_r降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.     

综合面向对象与决策树的毛竹林调查因子及碳储量遥感估算

综合面向对象和CART决策树方法,对浙江省安吉县山川乡毛竹林分布信息及胸径、树高、郁闭度等调查因子和地上部分碳储量进行遥感定量估算.结果表明: 综合基于多尺度分割的对象特征及决策树,能够充分利用不同尺度层次信息关联的优势,实现毛竹林专题信息高精度提取,其用户精度达到89.1%;基于对象特征构建的毛竹林调查因子回归树估算模型,其估算结果均能达到正常或较好水平,其中,郁闭度回归树模型的精度最高为67.9%,估算效果较好;而平均胸径和树高估算的总精度相对较低,这与采用光学遥感数据进行森林树高、胸径估算达不到理想结果的结论一致;毛竹林地上部分碳储量回归树模型的估算结果较好,高值区域估算精度达到80%以上.