航空航天遥感在物种多样性研究与保护中的应用

人类活动导致全球范围内生物多样性丧失日趋严重。物种多样性是研究最为深入以及最贴近生物多样性管理的层次。物种多样性的研究往往受到多时空尺度生态过程的影响, 传统物种多样性调查方法受到人力物力影响, 局限性大, 物种多样性的研究与管理亟需整合不同来源的数据。遥感技术从传统的光学遥感阶段发展到不同平台、不同维度相结合的多源遥感阶段, 并逐渐进入以高空间分辨率和高光谱为特征、以激光雷达为前沿发展方向的综合遥感阶段。遥感技术因为其监测范围广、能监测人迹罕至地区以及长期可重复等特性, 为研究不同时空尺度的生态学科学问题提供了更新更优的研究手段。本文围绕种群动态、种间关系与群落多样性、功能属性及功能多样性以及生物多样性保护管理等生物多样性研究热点问题, 系统地论述了航空航天遥感技术在物种多样性研究与保护领域的应用, 总结了航空航天遥感技术在研究与物种多样性有关的主要生态学问题中的机遇与挑战。我们认为航空航天遥感技术利用多光谱甚至高光谱与激光技术从空中监测物种多样性, 从不同视角、基于不同光源提供了物种多样性不同侧面的信息, 能够减小地面调查强度, 在大范围和边远地区的物种多样性调查研究中有着至关重要的作用。依据光谱特性的物种判别以及依据激光雷达的三维结构量测将促进生物多样性的研究与管理, 加强遥感学家和生物多样性研究者的沟通交流将有助于促进不同时空尺度的生物多样性与遥感技术的结合。     

遥感在生物多样性研究中的应用进展

随着人口的持续增长, 人类经济活动对自然资源的利用强度不断升级以及全球气候变暖, 全球物种正以前所未有的速度丧失, 生物多样性成为了全球关注的热点问题。传统生物多样性研究以地面调查方法为主, 重点关注物种或样地水平, 但无法满足景观尺度、区域尺度以及全球尺度的生物多样性保护和评估需求。遥感作为获取生物多样性信息的另一种手段, 近年来在生物多样性领域发展迅速, 其覆盖广、序列性以及可重复性等特点使之在大尺度生物多样性监测和制图以及评估方面具有极大优势。本文主要通过文献收集整理, 从观测手段、研究尺度、观测对象和生物多样性关注点等方面综述了遥感在生物多样性研究中的应用现状, 重点分析不同遥感平台的技术优势和局限性, 并探讨了未来遥感在生物多样性研究的应用趋势。遥感平台按观测高度可分为近地面遥感、航空遥感和卫星遥感, 能够获取样地-景观-区域-洲际-全球尺度的生物多样性信息。星载平台在生物多样性研究中应用最多, 航空遥感的应用研究偏少主要受飞行成本限制。近地面遥感作为一个新兴平台, 能够直接观测到物种的个体, 获取生物多样性关注的物种和种群信息, 是未来遥感在生物多样性应用中的发展方向。虽然遥感技术在生物多样性研究中的应用存在一定的局限性, 未来随着传感器发展和多源数据融合技术的完善, 遥感能更好地从多个尺度、全方位地服务于生物多样性保护和评估。     

无人机遥感技术在景观生态学中的应用

野外数据的获取是生态学研究的挑战之一,而通过遥感技术能够实现对地球表面的多面立体观测,获取丰富多样的空间信息数据,开展从微观到宏观不同尺度上的景观单元(包括物种、种群、群落、生态系统等)的空间关系研究。传统卫星遥感影像受空间和时间分辨率的限制,难以满足局域尺度或者时间序列上的景观空间生态学研究需求。无人机遥感技术为生态学研究的野外数据获取提供了一种新方法,以其灵活、高效、简便等特点弥补了传统卫星遥感的空间分辨率低、重访周期长、云雾影响等方面的不足,在景观空间生态学研究中受到越来越多的关注。简要介绍无人机类型及其搭载常见的传感器类型,分别从不同尺度的景观单元,即物种、种群、群落以及生态系统水平上探讨其应用进展,并指出当前无人机技术在景观生态学研究中存在的挑战与困难,同时展望了未来可能的研究热点,以期对今后无人机遥感技术在景观生态学领域的应用研究有所启发。     

面向生态系统评估的多源数据融合体系

基于生态系统服务功能的生态系统评估是识别生态环境问题、开展生态系统恢复和生物多样性保护、建立生态补偿机制的重要基础，也是保障国家生态安全、推进生态文明建设的重要环节。生态系统评估涉及生态系统多个方面，需要多要素、多类型、多尺度的生态系统观测数据作为支撑。地面观测数据和遥感数据是生态系统评估的两大数据源，但是其在使用时常存在观测标准不一、观测要素不全面、时间连续性不足、尺度不匹配等问题，给生态系统评估增加了极大的不确定性。如何融合不同尺度的观测数据量化生态系统服务功能是实现生态系统准确评估的关键。为此，从观测尺度出发，阐述了地面观测数据、近地面遥感数据、机载遥感数据和卫星遥感数据的特点及其在问题，并综述了这几类数据源进行融合的常用方法，并以生产力、固碳能力、生物多样性几个关键生态参数为例介绍了“基于多源数据融合的生态系统评估技术及其应用研究”项目的多源数据融合体系。最后，总结面向生态系统评估的多源数据融合体系，并指出了该研究的未来发展方向。     

遥感在生态系统生态学上应用的机遇与挑战

生态学正朝着区域和宏观尺度及定量化方向发展,社会经济发展对生态学研究也提出了新的要求。遥感作为有效技术手段在生态学研究的应用上得到了越来越多的重视。研究遥感的功能与生态学研究中存在的问题,寻求遥感技术与生态学结合切入点,不仅是遥感应用发展的需要,更是解决生态学问题的有益途径。对于非遥感专业的生态学研究人员及从事专业遥感的科研人员来说,生态学和遥感的结合还缺少相关的背景知识介绍。本文从生态学研究的发展趋势、遥感技术的特点,综合论述遥感在生态学研究中的特点、历史发展及未来趋势。本综述主要针对于生态系统尺度以上生态学的研究,具体包括遥感在生态系统环境、生态系统生物组成、生态系统结构、生态系统物质循环和流动及生态系统功能等方面的应用。结合遥感技术的发展,论述了遥感与生态学研究有效结合的组分,同时论述了各套遥感数据在不同方面应用的优缺点,提出了遥感在生态学研究上应用的相关建议。     

生物多样性近地面遥感监测: 应用现状与前景展望

近年来中国生物多样性监测与研究网络(Sino BON)建设得到了快速发展, 为我国生物多样性长期监测和研究提供了良好的平台条件。其中, 以激光雷达技术为核心的近地面遥感平台, 作为Sino BON综合监测与管理中心的重要组成部分, 已研发形成了较为成熟的软、硬件技术体系, 可以提供林下地形建模, 林分高度、林分表面结构, 林窗或内部分界线, 郁闭度动态, 植被群落划分、群落内部精细空间结构, 单木高度与胸径, 冠层形态、周长和盖度, 物种识别, 亚米级三维景观图等数字产品, 从而能够为国家相关部门和研究单位开展多种时空尺度的生物多样性监测、评价和保护工作提供精准、高效的技术支持。本文首先介绍了遥感技术在生物多样性研究中的应用发展历史及最新趋势。然后在生物多样性遥感监测直接和间接两种方法研究进展基础之上, 总结了从遥感数据中可提取的重要生物多样性指标, 以及选择不同类型遥感数据源时需要考虑的时空尺度信息。在详细阐述NEON、CEOS、GEO BON等国际合作组织推动遥感技术开展生物多样性监测的过程中指明: 以无人机为代表的近地面遥感平台具有机动灵活、高效低廉和高分辨率的特点, 可在卫星平台、载人航空平台和地面常规调查平台之间架构起生物多样性信息尺度推绎不可或缺的中间桥梁, 将是未来生物多样性监测的一个重要手段。最后, 文章指出: Sino BON近地面遥感平台的逐步建设完善将为我国生物多样性监测提供全方位的立体定量化信息, 在促进我国生物多样性监测网络向跨尺度等级动态系统监测、多源信息集成、智能决策与服务的平台方向发展意义重大。     

大数据时代下的生态系统观测发展趋势与挑战

随着观测技术的发展, 生态学研究尺度不断扩大。生态系统观测从小规模合作、短时间个人观测向大规模、长时间、跨学科、多因子联合观测转变。传感器技术的革新带来了生态观测在时空尺度的扩展与精确度上的提升, 致使生态学观测数据的容量、产生速度与数据种类飞速增长。对生态系统数据获取、存储与管理的传统方法无疑不再能满足现代生态学研究的要求。因此, 我们建议以大数据时代的数据存储、管理与处理技术为基础, 整合生态物联观测网络(Internet of Ecology)、公民科学观测网络以及基于标准化数据管理的研究者网络互联, 建立整合生态系统观测平台来应对这一困境。为生态学研究者打造一站式生态观测服务, 是大数据时代下生态系统观测的大势所趋。     

基于站点的生物多样性星空地一体化遥感监测

科学制定生物多样性保护和恢复政策, 需要空间上连续、时间上高频的物种和生境分布以及物种迁移信息支持, 遥感是目前能满足该要求的有效技术手段。近年来, 遥感平台和载荷技术高速发展, 综合多平台、多尺度、多模式遥感技术, 开展基于站点的星空地一体化遥感观测试验, 可以对地表进行时空多维度、立体连续观测, 为生物多样性遥感监测提供了新的契机。本文总结了使用遥感技术监测生物多样性的主要方法, 回顾了典型的星空地一体化遥感观测试验。综述以往研究发现, 一方面, 现有遥感试验还缺少对生物多样性直接监测指标的观测, 另一方面, 生物多样性遥感监测方法也缺少星空地多维立体观测平台的支撑, 亟需加强两者的融合, 开展基于站点的生物多样性星空地一体化遥感监测研究。以设于我国四川王朗大熊猫国家级自然保护区内的王朗山地生态遥感综合观测试验站为例, 展示了星空地一体化遥感综合观测试验平台在生物多样性监测中的应用潜力。星空地一体化遥感观测可以提供物种和生境的综合定量信息, 与生态模型有机结合, 可以刻画生物多样性的时空格局与动态过程, 有助于挖掘过程机理, 提高生物多样性监测的信息化水平。     

遥感技术在鸟类生态学研究中的应用

获取鸟类活动及生境信息是鸟类生态学研究的基础, 而遥感技术弥补了传统野外调查方法的缺陷, 提供了获取多种信息的新途径。应用遥感技术的鸟类生态学研究热点从最初的种群行为观察, 到栖息地选择, 再到生境适宜性、破碎化及人为干扰探究等, 随着技术的不断发展也在扩展和变化。不同波段或组合下的遥感技术各有所长。光学遥感应用广泛, 尤其是信息量较大的红外波段图像和作为野外鸟巢及物种活动监测常用工具的红外相机; 多光谱图像常用于栖息地制图以及地物识别, 高空间分辨率的数据甚至可对鸟类种群进行直接计数; 高光谱数据则可对光谱特征相似的地物进行更为精确的区分和反演; 激光雷达遥感主要用于栖息地植被结构的三维探测, 为了解鸟类栖息地选择提供更好的依据。微波遥感在飞鸟探测上应用颇多, 近年来多极化数据在复杂栖息地精确制图上也具有优势, 但成本较高、解译复杂且推广度较低。在实际应用中, 遥感数据时空尺度的选择会影响研究结果, 部分遥感反演参数也缺乏生态学意义。多源遥感数据的结合应用能够提升制图分类的精度, 实现数据的时空分辨率互补, 优化鸟类生态研究所需参数。未来的遥感技术在鸟类生态学中的应用应致力于提供更加明确的光谱信息、相对简便的解译方法, 以及更为合理的多源数据组合方式等。     

面向国土空间生态保护修复的多尺度成效评估体系构建

国土空间生态保护修复是对受到人类干扰而受损或退化的生态系统进行保护和修复的系统工程,成效评估对其优化调整与实现效益可持续具有重要意义。已有研究与实践往往存在侧重单一要素和子项目尺度的局限。本文在梳理国土空间生态保护修复内涵的基础上,基于生态系统的多尺度特征,构建了面向国土空间生态保护修复的多尺度成效评估体系与支撑成效评估的全周期监测体系。多尺度成效评估体系由子项目尺度、保护修复单元尺度和区域/流域尺度3大尺度构成,全周期监测体系由基础信息调查体系、工程实施监测体系、多尺度成效评估体系组成。区域/流域尺度关注生态系统的结构、生态系统质量与生态系统服务等,数据主要依托遥感获取;保护修复单元尺度关注生态胁迫因子、生态系统质量与服务等,数据可依托遥感与地面调查结合获取;子项目尺度关注工程技术措施的实施情况,数据主要依托地面调查获取。在实施多尺度成效评估时,需重点关注和解决生态修复的溢出效应、传导机制、潜在影响等关键问题。     

涡度相关技术及其在陆地生态系统通量研究中的应用

通量观测是定量描述土壤-植被-大气间物质循环和能量交换过程的基础。涡度相关技术作为直接测量植被冠层与大气间能量与物质交换通量的技术手段, 已经逐步发展成为国际通用的通量观测标准方法。随着涡度相关技术在全球碳水循环研究中的广泛应用, 长期连续的通量观测正在为准确评价生态系统碳固持能力、水分和能量平衡状况、生态系统对全球气候变化的反馈作用、区域和全球尺度模型的优化与验证、极端事件对生态系统结构与功能影响等方面的研究提供重要数据支撑和机制理解途径。通过站点尺度通量长期动态观测, 明确了不同气候区和植被类型生态系统碳水通量强度基线及其季节与年际变异特征。通过多站点联网观测, 在区域和全球尺度研究生态系统碳通量空间变异特征, 揭示了区域尺度上温度和降水对生态系统碳通量空间格局的生物地理学控制机制。该文概括地介绍了涡度相关技术的基本原理、假设与系统构成, 总结了涡度通量长期联网观测在陆地生态系统碳水通量研究中的主要应用, 并对通量研究发展前景进行了展望。     

Response and adaptation of terrestrial ecosystem processes to climate warming

陆地生态系统包含一系列时空连续、尺度多元且互相联系的生态学过程。由于大部分生态学过程都受到温度调控, 因此气候变暖会对全球陆地生态系统产生深远的影响。近年来, 全球变化生态学的基本科学问题之一是陆地生态系统的关键过程如何响应与适应全球气候变暖。围绕该问题, 该文梳理了近年来的研究进展, 重点关注植物生理生态过程、物候期、群落动态、生产力及其分配、凋落物与土壤有机质分解、养分循环等过程对温度升高的响应与适应机理。通过定量分析近20年来发表于主流期刊的相关论文, 展望了该领域的前沿方向, 包括物种性状对生态系统过程的预测能力, 生物地球化学循环的耦合过程, 极端高温与低温事件的响应与适应机理, 不对称气候变暖的影响机理和基于过程的生态系统模拟预测等。基于这些研究进展, 该文建议进一步研究陆地生态系统如何适应气候变暖, 更多关注我国的特色生态系统类型, 并整合实验、观测或模型等研究手段开展跨尺度的合作研究。     

陆地植被净初级生产力计算模型研究进展

植被净初级生产力(NPP)研究是全球变化与陆地生态系统的核心内容之一。在回顾NPP模型研究的基础上,综合分析了气候模型、生态生理过程模型、光能利用率模型各自的优缺点,并对NPP模型研究做出展望。生态生理过程模型是当前陆地NPP估算研究的主要手段,而区域尺度转换则是它所面临的关键问题。近年来光能利用率模型已成为NPP估算的一种全新手段,它利用遥感所获得的全覆盖数据,使区域及全球尺度的NPP估算成为可能,但其生态学机理还有待于进一步研究。已有研究表明,“生态一遥感耦合模型”将是陆地NPP估算的主要发展方向,它融合了生态生理过程模型和光能利用率模型的优点,增强了NPP模型估算的可靠性和可操作性。     

Effects of extreme drought on terrestrial ecosystems: review and prospects

作为地球表层重要的组成部分, 陆地生态系统是人类生存和发展的重要场所。进入21世纪以来, 气候变化导致干旱事件发生的强度、频度和持续时间显著增加, 对陆地生态系统带来深远的影响, 严重制约甚至威胁人类社会的可持续发展。因此, 开展极端干旱对陆地生态系统影响的研究并评估其生态风险效应, 是当前全球变化领域研究的重点问题。该文从植物生理生态过程、生物地球化学循环、生物多样性以及生态系统结构和功能4个方面综述了极端干旱对陆地生态系统的影响, 并对当前的研究热点进行探讨, 深度剖析当前研究中存在的难点问题和未来可能的发展方向, 以期为未来开展干旱对陆地生态系统影响的观测与预测研究提供参考, 为在未来干旱影响下加强陆地生态系统风险评估和管理提供新思路。     

植物性状研究的机遇与挑战:从器官到群落

植物性状(Plant trait)或植物功能性状(Plant functional trait)通常是指植物对外界环境长期适应与进化后所表现出的可量度、且与生产力优化或环境适应等密切相关的属性。近几十年来,植物性状研究在性状-生产力、性状-养分、性状间相互关系、性状-群落结构维持等方面取得了卓越成就。然而,由于大多数性状调查都是以植物群落内优势种或亚优势种为对象,使其在探讨群落尺度的性状-功能关系、性状数据如何用于改进或优化模型、性状数据如何与遥感连接等问题时,存在空间尺度和量纲不匹配的极大挑战。为了破解上述难题,亟需发展新的、基于单位土地面积的群落性状(Community trait)概念体系、数据源和计算方法等,推动植物性状数据与快速发展的宏观生态学新技术(遥感、模型和通量观测等)相结合,既拓展了植物性状研究范畴,又可推动其更好地服务于区域生态环境问题的解决。所定义的群落性状(如叶片氮含量、磷含量、比叶面积、气孔密度、叶绿素含量等),是在充分考虑群落内所有物种的性状实测数据,再结合比叶面积、生物量异速生长方程和群落结构数据等,推导而成的基于单位土地面积的群落性状。受测试方法的影响,传统的直接算术平均法或相对生物量加权平均法所获得的群落水平的植物性状(如叶片氮含量g/kg或%),虽然可以有效地探讨群落结构维持机制,由于无法实现对群落性状在量纲上向单位土地面积转换,使它很难与模型和遥感数据相匹配。基于单位土地面积的群落性状,可在空间尺度匹配(或量纲匹配)的前提下实现个体水平测定的植物性状数据与生态模型和遥感观测相联系,更好地探讨区域尺度下自然生态系统结构和功能的关系及其对全球变化的响应与适应。同时,它也可更好地建立群落水平的性状-功能的定量关系(非物种水平),为更好地探讨自然群落结构维持机制和生产力优化机制提供了新思路。     

森林碳计量方法研究进展

森林是陆地生态系统的主体,不仅是巨大的碳库而且对减缓气候变暖具有积极作用。科学有效的森林碳计量方法,有助于加深对全球碳循环过程的理解。然而,由于森林生态系统结构复杂,对森林碳计量的估算结果普遍存在精度低、不确定性高的问题。近年来,国内外发展了大量对森林碳计量进行估算的方法,主要有基于样地清查的森林植被和土壤碳估算、基于生长收获的经验模型估算、基于定量遥感雷达观测的遥感估测、基于多尺度森林生态系统网络的通量观测和陆地生态系统过程模型模拟等方法。在实际的森林碳计量中,根据不同的森林类型特征和数据获取情况,往往采取不同的碳计量方法,甚至不止一种。以生态过程模型模拟、遥感反演和数据同化技术为主要手段,基于碳通量观测数据、控制实验数据和遥感影像数据,发展多学科、多过程、多尺度的综合联网观测,充分认识森林碳循环过程中碳源/汇的时空分布特征,开展区域、洲际乃至全球尺度碳循环及其对全球变化和人类活动响应的系统性、集成性研究,以便建立高效、可靠的碳计量体系是未来林业碳计量的发展趋势。随着世界各国温室气体排放清单的编制,中国迫切需要科学的方法体系计量森林碳源/汇,提升我国在生态环境问题上的国际发言权和主导权,同时对我国森林可持续经营、生态环境保护以及美丽中国建设提供建议与支持。分析了各类森林碳计量方法的主要特征、优缺点,同时探讨了目前的森林碳计量方法存在的问题和未来的发展趋势,为不同时空尺度下森林碳计量提供参考。     

Remote sensing for lake research and monitoring – Recent advances

Lakes are important ecosystems providing various ecosystem services. Stressors such as eutrophication or climate change, however, threaten their ecological functions. National and international legislations address these threats and claim consistent, long-term monitoring schemes. Remote sensing data and products provide synoptic, spatio-temporal views and their integration can lead to a better understanding of lake ecology and water quality. Remote sensing therefore gains increasing awareness for analysing water bodies. Various empirical and semi-analytical algorithms exist to derive remote sensing indicators as proxies for climate change or ecological response variables. Nevertheless, most monitoring networks lack an integration of remote sensing data. This review article therefore provides a comprehensive overview how remote sensing can support lake research and monitoring. We focus on remote sensing indicators of lake properties, i.e. water transparency (suspended particulate matter, coloured dissolved organic matter, Secchi disc depth, diffuse attenuation coefficient, turbidity), biota (phytoplankton, cyanobacteria, submerged and emerged aquatic vegetation), bathymetry, water temperature (surface temperature) and ice phenology (ice cover, ice-on, ice-out). After a brief background introducing principles of lake remote sensing we give a review on available sensors and methods. We categorise case studies on remote sensing indicators with respect to lake properties and processes. We discuss existing challenges and benefits of integrating remote sensing into lake monitoring and ecological research including data availability, ready-to-use tools and accuracies.     

陆地生物圈模型的发展与应用

陆地生物圈与大气圈和水圈之间能量、水和碳氮等元素的交换和循环对整个地球系统产生了深刻的影响。陆地生物圈模型(TBM)是研究陆地生态系统如何响应和反馈全球变化的重要方法和工具。通过对从生态系统到区域和全球陆地生物圈不同空间尺度的植被动态、生物地球物理和生物地球化学循环过程、水循环和水文过程、自然干扰和人类活动等过程时间动态的模拟, 陆地生物圈模型被广泛地应用于评估和归因过去陆地生物圈的时空变化和预测陆地生物圈对未来全球变化的响应和反馈。该文简要回顾了陆地生物圈模型的发展, 总结了模型对陆地生态系统主要过程的刻画和模型在生态系统生态学的应用, 并对未来陆地生物圈模型的发展和应用进行了展望。     

Review of coral reef ecosystem remote sensing

Coral reef communities face unprecedented pressures at local, regional and global scales as a consequence of climate change and anthropogenic disturbance. Remote sensing, from satellites or aircraft, is possibly the only means to measure the effects of such stresses at appropriately large spatial scales. In the past 30 years, remote sensing of coral reefs has made rapid progress. However, the current technology is still not mature enough to monitor complicated coral reef ecosystems. Compared with foreign research in this field, our work lags far behind. There are still deficiencies in many aspects, such as basic data collection, theoretical research and platform construction. In our nation, it is even unclear how coral reefs disperse and where they may be unhealthy. In this paper, general characteristics of coral reef ecosystems and spectral features of different reef benthos have been summarized, based initially on a review of relevant literature in recent years. Based on the spectral separability of different reef types or benthos, remote sensing can be used to monitor two aspects of coral reefs: (1) Measurement of the ecological properties of reefs. (2) Health assessment of the coral reef ecosystem. In the first part, optical remote sensing methods are widely used to map reef geomorphology and habitats or biotopes. The investigation of geomorphologic zonation has proven to be one of the most successful applications, as different geomorphologic zones are associated with characteristic benthic community structures and occur at spatial scales of tens to hundreds of meters, they are amenable to remote detection by moderate to high resolution sensors. With more and more attention on the ecological problems of coral reefs, a number of studies have used high resolution sensors to map reef communities. The number of classes distinguishable depends on many factors, including the platforms, resolution (spectral, spatial and temporal resolution) and environmental conditions (water depth, water clarity, surface roughness, etc.). Compared with deep water color remote sensing, or terrestrial remote sensing, three techniques for the measurement of reef ecological properties are examined in this paper: (1) Coral reef classification system using remote sensing. (2) Techniques of sea surface correction and water column correction. (3) Techniques of coral reef information extraction from images. In terms of the complexity of coral reef ecosystems, the current techniques still need further improvement or optimization. In the health assessment of coral reef ecosystems, there are two ways to carry out the monitoring using remote sensing: (1) Monitoring the pigment or symbiotic zooxanthellae contents in corals. (2) Measuring the environmental properties of reefs. The first way is theoretically feasible, but difficult to achieve in practice. Currently, most reef health assessments are carried out by measuring environmental parameters, including sea surface temperature, solar radiation, ultraviolet radiation, water color, wind speed and direction, rainfall, ocean acidification, sea level, etc., of which sea surface temperature has been routinely measured by NOAA to monitor coral bleaching. In addition to the contents above, this article puts forward five main prospects for development in the future: (1) Establishment of a coral reef classification system using remote sensing. (2) Satellite launch for monitoring coral reefs. (3) Theoretical and methodological development. (4) Establishment of a spectral database for different reef benthos. (5) Integrated application of multi-source remote sensing data. It is hoped that the information provided here will be a reference for subsequent similar studies.     

Application and comparison of remote sensing GPP models with multi-site data in China

Aims Estimation of gross primary productivity (GPP) of vegetation at the global and regional scales is important for understanding the carbon cycle of terrestrial ecosystems. Due to the heterogeneous nature of land surface, measurements at the site level cannot be directly up-scaled to the regional scale. Remote sensing has been widely used as a tool for up-saling GPP by integrating the land surface observations with spatial vegetation patterns. Although there have been many models based on light use efficiency and remote sensing data for simulating terrestrial ecosystem GPP, those models depend much on meteorological data; use of different sources of meteorological datasets often results in divergent outputs, leading to uncertainties in the simulation results. In this study, we examines the feasibility of using two GPP models driven by remote sensing data for estimating regional GPP across different vegetation types. Methods Two GPP models were tested in this study, including the Temperature and Greenness Model (TG) and the Vegetation Index Model (VI), based on remote sensing data and flux data from the China flux network (ChinaFLUX) for different vegatation types for the period 2003-2005. The study sites consist of eight ecological stations located in Xilingol (grassland), Changbaishan (mixed broadleaf-conifer forest), Haibei (shrubland), Yucheng (cropland), Damxung (alpine meadow), Qianyanzhou (evergreen needle-leaved forest), Dinghushan (evergreen broad-leaved forest), and Xishuangbanna (evergreen broad-leaved forest), respectively. Important findings All the remote sensing parameters employed by the TG and VI models had good relationships with the observed GPP, with the values of coefficient of determination, R², exceeding 0.67 for majority of the study sites. However, the root mean square errors (RMSEs) varied greatly among the study sites: the RMSE of TG ranged from 0.29 to 6.40 g·m^-2·d^-1, and that of VI ranged from 0.31 to 7.09 g·m^-2·d^-1, respectively. The photosynthetic conversion coefficients m and a can be up-scaled to a regional scale based on their relationships with the annual average nighttime land surface temperature (LST), with 79% variations in m and 58% of variations in a being explainable in the up-scaling. The correlations between the simulated outputs of both TG and VI and the measured values were mostly high, with the values of correlation coefficient, r, ranging from 0.06 in the TG model and 0.13 in the VI model at the Xishuangbanna site, to 0.94 in the TG model and 0.89 in the VI model at the Haibei site. In general, the TG model performed better than the VI model, especially at sites with high elevation and that are mainly limited by temperature. Both models had potential to be applied at a regional scale in China.