基于塔载辐射监测帽儿山落叶阔叶林

基于通量塔常规辐射测量的宽带植被指数(BVI)具有高时间分辨率的优点,有利于获得更详细的森林冠层叶面积指数(LAI)动态信息.本文以帽儿山通量观测站的温带落叶阔叶林为例,研究宽带归一化差值植被指数(NDVI_B)、宽带增强型植被指数(EVI_B)、近红外反射率与光合有效辐射反射率比值(SR_NP)和太阳辐射反射率与光合有效辐射反射率比值(SR_SP)4种BVI时间序列的控制因子及其滤波方法,并以凋落物收集法为参考,评估采用BVI估测冠层LAI的可行性.结果表明: Huemmrich、Wilson和Jenkins 3种方法计算的同一BVI值略有不同,但其季节变化趋势高度一致.BVI主要受太阳高度角和太阳高度角与坡度夹角的影响而呈现明显的日变化,太阳高度角与坡度夹角最大时刻(12:30)前后的BVI相对稳定.晴空指数可以作为BVI日值滤波的有效参数,不同时刻数据构成的日BVI时间序列的晴空指数阈值以及滤波后的有效数据率存在差异,应综合考虑平滑效果和有效数据率选择合适的时间点代表BVI日值.NDVI_B与凋落物收集法测定的LAI呈显著的线性关系,而EVI_B、SR_NP和SR_SP与LAI均呈显著的对数关系.因此,NDVI_B在表征冠层LAI季节动态和LAI外推中更为精确、方便.鉴于大部分森林碳水通量观测塔配备能量平衡观测系统,如果同时测定光合有效辐射反射率,即可实现冠层LAI长期连续联网监测.     

小兴安岭白桦次生林叶面积指数的估测

叶面积指数(LAI)是量化冠层结构最常用的参数之一,准确估测LAI对森林生态系统结构特性的研究具有重要意义.利用半球摄影图像法和LAI-2000法及半球摄影图像法结合凋落物法估测了小兴安岭白桦次生林LAI及其动态变化.首先对该林型叶凋落末期(11月初)的半球摄影图像进行合理校正(包括木质部分所占比例α,冠层水平集聚指数ΩE,校正值作为该时期常绿树种的真实LAI(LAIt),结合各调查期的凋落物数据,得到落叶季节(7-11月)的LAIt,并以该值为参考值,对比分析了两种光学仪器法估测值.结果表明:两种光学仪器法在LAI最大时期低估(分别低估2.83％、6.20％),其他时期显著高估(平均高估118.13％、89.34％),但两种光学仪器法与探讨方法估测值存在很好的相关性:LAIt=-1.1393+1.0934·LAIHP,R2=0.80; LAIt=-0.1712+0.6259·LAILAI-2000,R2=0.83.研究结果可为将来方便、快捷、准确的估测白桦次生林的LAI提供参考.     

亚热带地区常绿阔叶林SPAC系统水分的氢氧稳定同位素特征

森林的土壤-植物-大气连续体(SPAC)是陆地重要的水循环连续界面过程。本研究通过分析亚热带常绿阔叶林的降水、大气水汽、土壤水、叶片水的同位素组成,探讨森林SPAC系统水分的氢氧同位素组成特征以及植物蒸腾与叶片性状和环境因子的关系。结果表明: 研究区大气降水、土壤水、竹柏枝条水、竹柏叶片水和大气水汽的δD-δ¹⁸O线性回归方程分别为: δD_P=7.97δ¹⁸O_P+12.68(R²=0.97)、δD_S=4.29δ¹⁸O_S-18.62(R²=0.81)、δD_B=3.31δ¹⁸O_B-29.73(R²=0.49)、δD_L=1.49δ¹⁸O_L-10.09(R²=0.81)、δD_V=3.89δ¹⁸O_V-51.29(R²=0.46)。在降水→土壤水→植物水的界面水输送过程中,氢氧同位素逐渐富集,而从土壤蒸发和从植物蒸腾的水汽同位素贫化。在降水和蒸发作用的影响下,土壤水同位素随深度增加有贫化的趋势,而且整体上旱季土壤水同位素比雨季富集。观测期间,枝条水同位素比土壤水略微富集,说明水分在植物体内运输过程中存在受到蒸腾富集作用的可能性。旱季,乔木的枝条水同位素比灌木贫化,说明根系分布更深的乔木植物更倾向于利用深层土壤水。由于在叶片性状、蒸腾速率以及对环境因子的响应程度等方面存在差异,不同植物的叶片水同位素组成随叶龄增长的变化特征有所不同。雨季的环境条件更有利于叶片蒸腾,使雨季的叶片水同位素比旱季富集。叶片水同位素组成与植物叶片含水量呈正相关关系,与相对湿度呈负相关关系,综合反映了植物应对环境变化的水分调控功能。     

极端干旱区多枝柽柳叶片气孔导度的环境响应模拟

气孔通过调节植物体水分散失和CO₂吸收在植物适应环境变化和环境胁迫中发挥重要作用。该文在对极端干旱区多枝柽柳(Tamarix ramosissma)叶片气体交换参数观测的基础上, 引入诊断函数f(H)对BWB模型和BBL模型提出的气孔导度(g_s)模型中的空气湿度(h_s或D_s)进行了评价, 并将评价结果引入叶子飘和于强推导出的g_s机理模型。结果表明: (1) BWB和BBL模型对h_s (或D_s)的模拟效果存在很大差异: BWB模型拟合效果较好(R² = 0.5354), BBL模型的结果显著但效果较差(R² = 0.1103)。试验结果显示: 随h_s(或D_s)的增大, g_s呈先增大后减小的趋势, 可用Gauss模型进行拟合, R²分别为0.593和0.258, 说明g_s与h_s的关系要比D_s更密切; (2)叶子飘和于强给出的简化模型(Simple模型)和该文给出的指数模型(Gauss-h模型)均具有较好的模拟效果(R²分别为0.8707和0.8286), η值分别为0.1245和0.0171, 其值均介于0-1之间; (3)模型验证中Gauss-h模型较Simple模型明显低估了观测值, 当观测条件无限趋近于Simple模型的假设时, Simple模型的拟合效果可得到显著提高(R² = 0.9606)。     

利用聚类算法监测森林乔木物种多样性

该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R² = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R ² = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R ² = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R ²= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R ² = 0.83, RMSE = 0.22)与Simpson (R ² = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。     

Forest species diversity mapping based on clustering algorithm

该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R² = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R ² = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R ² = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R ²= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R ² = 0.83, RMSE = 0.22)与Simpson (R ² = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。     

基于实际蒸散构建的干旱指数在黄淮海地区的适用性

基于NOAH陆面模式模拟的实际蒸散产品,分析了2002—2010年黄淮海地区实际蒸散的时空分布特征.同时,结合MOD17潜在蒸散数据和MOD13 NDVI构建了2002—2010年的农业干旱指数——干旱敏感性指数(DSI),并以2002年1—12月为例,利用帕默尔干旱指数(PDSI)、冬小麦减产率以及实际旱情资料,分析了DSI在该地区干旱监测的适用性.结果表明: 黄淮海地区年均实际蒸散从西北向东南递增,最高值出现在研究区域东南部(800~900 mm),最低值出现在西北部(<300 mm);DSI、PDSI两种干旱指数的年际变化呈正相关(R²=0.61)和变化趋势的一致性,均在2002年达到最低(-0.61和-1.33),2003年最高(0.81和0.92),DSI与冬小麦减产率的相关性(R²=0.43)明显优于PDSI(R²=0.06),且表征干旱的空间分辨率较高,对区域农业干旱程度的判断和旱情的指示比较可靠.     

基于整树称重法的Granier经验公式对毛白杨树干液流测定的适用性

为了评估Granier经验公式在树干液流测定中的适用性,以毛白杨为对象,利用热扩散式探针法(TDP)测定树木的液流速率,以整树称重法进行同步测定,对比分析Granier经验公式在毛白杨树干液流测定中是否存在误差,并对整树称重法测定的蒸腾速率与热扩散法测定的温差系数K进行幂指数回归拟合,建立校正的Granier公式。结果表明:与整树称重法测定的蒸腾速率相比,通过Granier经验公式计算的液流速率低估了67.7%;建立了毛白杨的Granier校正公式F_d=0.0135K^0.6952(R²=0.77),校正后Granier公式的计算结果与整树称重法测定的蒸腾速率相比仅降低了3.4%,具有较好的一致性。因此,采用Granier经验公式计算毛白杨树干液流速率需进行校正。     

利用随机效应模型模拟东北三省胡桃楸地位指数

通过精确模拟东北三省胡桃楸多形地位指数混合效应模型,为胡桃楸立地质量评价提供科学依据,本研究在辽宁、吉林和黑龙江三省23个典型区域内,采用样圆法布设样地197块,测定样地内胡桃楸树高-年龄数据,共得到数据1537组,同时将立地因子进行划分和赋值,应用方差分析和模型拟合进行计算。结果表明: 坡位是影响胡桃楸优势木生长最显著的因素,其次为土壤深度、坡度和坡向等;对8种常见基础模型进行拟合与分析,发现逻辑斯蒂模型H=a/[1+exp(b+cA)]为最优基础模型(R²=0.70),平均绝对误差(MAE)为2.52;对4种主要影响因素进行随机组合,得到随机组合因素最优地位指数模型M_8.15,其R²=0.90,提高了基础模型的拟合精度;采用K均值聚类分组法进一步将初始的立地类型划分为6个立地类型组,按6个立地类型组建立的非线性混合效应模型M_final,即H=(20.1837+u_i)/[1+exp (1.7352-0.0961A)]+ε_ij,其R²=0.92,AIC=912.65,模型的拟合度和精确度显著提高,可以用于东北三省复杂立地类型下胡桃楸立地质量的准确评价。     

基于Sentinel-2数据的草地植物功能多样性遥感反演及其与生产力的关系

生物多样性与生态系统功能的关系是当前生态学研究的焦点和难点。植物功能多样性是影响生态系统功能的重要指标, 开展植物功能多样性的研究对了解生物多样性与生态系统功能之间的关系有着重要意义。传统的草地植物功能多样性研究多以实地调查为主, 不仅费时费力, 而且由于受到时空的限制, 很难拓展到大尺度的研究中。遥感技术的发展为评估草地功能多样性提供了一种经济、有效的手段。该研究选取内蒙古自治区锡林郭勒盟乌拉盖管理区草甸草原为研究区, 利用Sentinel-2卫星影像和野外实测数据, 选取了波段及植被指数等46个特征变量, 探讨了逐步回归、偏最小二乘法(PLSR)和随机森林(RFR)等3种不同方法对草地植物功能丰富度(FRic)、功能均匀度(FEve)和功能离散度(FDiv)的反演精度, 并基于PLSR反演草地地上生物量, 进一步分析了研究区功能多样性与生产力的关系。研究结果表明: (1)波段B11、优化型土壤调节植被指数(OSAVI)、水波段指数(WBI)对FRic解释度最高; 波段B6、B10、B12、类胡萝卜素反射指数1 (CRI1)、双峰光学指数(D)、归一化差值指数45 (NDI45)等6个特征变量对FEve解释度最高; 波段B5、B9、B10、B11、加权差分植被指数(WDVI)、凸包面积等对FDiv解释度最高; (2)基于十折重复交叉验证, 利用逐步回归估算的FRic和FEve反演精度远高于其他两种回归方法, R²分别为0.52和0.44; 而利用PLSR方法估算的FDiv反演精度最高(R² = 0.61); (3)群落地上生物量反演精度为R² = 0.61; FRic与地上生产力的关系最好(R² = 0.40), 其次为FDiv (R² = 0.28)和FEve (R² = 0.27)。研究发现, 基于Sentinel-2卫星影像能较好地反演草地功能多样性和生产力, 为下一步能在大尺度上进行草地功能多样性估算及其与生产力关系研究提供了参考和依据。     

Canopy closure estimation in a temperate forest using airborne LiDAR and LANDSAT ETM+ data

Aims　Forest canopy closure is one of the essential factors in forest survey, and plays an important role in forest ecosystem management. It is of great significance to study how to apply LiDAR (light detection and ranging) data efficiently in remote sensing estimation of forest canopy closure. LiDAR can be used to obtain data fast and accurately and therefore be used as training and validation data to estimate forest canopy closure in large spatial scale. It can compensate for the insufficiency (e.g. labor-intensive, time-consuming) of conventional ground survey, and provide foundations to forest inventory.Methods　In this study, we estimated canopy closure of a temperate forest in Genhe forest of Da Hinggan Ling area, Nei Mongol, China, using LiDAR and LANDSAT ETM+ data. Firstly, we calculated the canopy closure from ALS (Airborne Laser Scanning) high density point cloud data. Then, the estimated canopy closure from ALS data was used as training and validation data to modeling and inversion from eight vegetation indices computed from LANDSAT ETM+ data. Three approaches, multi-variable stepwise regression (MSR), random forest (RF) and Cubist, were developed and tested to estimate canopy closure from these vegetation indices, respectively.Important findings The validation results showed that the Cubist model yielded the highest accuracy compared to the other two models (determination coefficient (R²) = 0.722, root mean square error (RMSE) = 0.126, relative root mean square error (rRMSE) = 0.209, estimation accuracy (EA) = 79.883%). The combination of LiDAR data and LANDSAT ETM+ showed great potential to accurately estimate the canopy closure of the temperate forest. However, the model prediction capability needs to be further improved in order to be applied in larger spatial scale. More independent variables from other remotely sensed datasets, e.g. topographic data, texture information from high-resolution imagery, should be added into the model. These variables can help to reduce the influence of optical image, vegetation indices, terrain and shadow and so on. Moreover, the accuracy of the LiDAR-derived canopy closure needs to be further validated in future studies.     

晋西黄土区苹果树边材液流速率对环境驱动的响应

为明确环境因子对树木蒸腾过程的驱动机制,以晋西黄土残塬沟壑区的苹果树(红富士)为对象,利用热扩散式液流技术监测生长季苹果树树干液流的动态变化,并同步监测了气象和土壤水分等环境要素的季节动态.结果表明: 在众多环境因子中,太阳净辐射(R_n)、大气水分亏缺(VPD)与液流速率(J_s)间的相关性最强.在小时或日尺度,环境因子主成分分析中前3个主成分的累积方差贡献率均在86%以上.其中,第一主成分主要包含VPD、R_n等因子,方差贡献率达52%(小时尺度)和63%(日尺度)以上,可归为蒸发需求因子(EDI),是影响该地区果树树干液流的关键综合环境要素集;第二主成分主要包括土壤含水率(SWC)等因子,归为土壤水热供给因子;第三主成分主要包括风速等因子,归为大气水热散失动力因子.在小时或日尺度上,J_s对两种环境因子综合变量(EDI或潜在蒸发散ET₀)的响应都呈显著的指数增长关系,在小时尺度上,基于EDI模拟苹果J_s的指数模型精度更高(R²=0.72),在日尺度上,基于ET₀模拟苹果J_s的指数模型模拟精度更高(R²=0.88).研究结果对于明确苹果树水分传输对环境驱动的响应规律,根据气象要素估算苹果树蒸腾耗水量,并指导果园水分管理均具有重要意义.     

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%.     

基于物候相机归一化植被指数估算高寒草地植物地上生物量的季节动态

准确评估地上生物量对优化草地资源管理和理解草地碳、水和能量平衡具有重要意义。该文通过近地遥感归一化植被指数(NDVI)构建最优经验模型, 对青藏高原高寒草地地上生物量进行估算。该文利用2018-2019年5-9月野外实测的地上生物量和植物冠层光谱仪(RapidSCAN)测定的NDVI_RS数据, 构建了生长季不同时期地上生物量的估算模型; 并结合2018年NetCam物候相机测定的NDVI_Cam时间序列数据, 实现地上生物量季节动态的模拟。主要结果: (1) NDVI_Cam、NDVI_RS与地上生物量具有相似的单峰型季节变化格局, 但NDVI峰值出现的时间(7月)较地上生物量(8月)更早; (2)基于NDVI的生物量估算最优经验模型在5、7和9月是幂函数, 在6和8月是二次多项式, 估算精度为0.29-0.77; (3)基于NDVI_Cam时间序列数据, 生长季不同时期建模(R² = 0.91)较单一时期(9月)建模(R² = 0.49)对地上生物量季节动态的估算更为准确。这些结果表明, 近地遥感是估算高寒草地植物地上生物量的有效手段, 开展季节性植物生长调查将有助于准确评估草地资源。     

Airborne LiDAR technique for estimating biomass components of maize: A case study in Zhangye City,Northwest China

Crop biomass is an important ecological indicator of growth, light use efficiency, and carbon stocks in agro-ecosystems. Light detection and ranging (LiDAR) or laser scanning has been widely used to estimate forest structural parameters and biomass. However, LiDAR is rarely used to estimate crop parameters because the short, dense canopies of crops limit the accuracy of the results. The objective of this study is to explore the potential of airborne LiDAR data in estimating biomass components of maize, namely aboveground biomass (AGB) and belowground biomass (BGB). Five biomass-related factors were measured during the entire growing season of maize. The field-measured canopy height and leaf area index (LAI) were identified as the factors that most directly affect biomass components through Pearson's correlation analysis and structural equation modeling (SEM). Field-based estimation models were proposed to estimate maize biomass components during the tasseling stage. Subsequently, the maize height and LAI over the entire study area were derived from LiDAR data and were used as input for the estimation models to map the spatial pattern of the biomass components. The results showed that the LiDAR-estimated biomass was comparable to the field-measured biomass, with root mean squared errors (RMSE) of 288.51 g/m² (AGB), and 75.81 g/m² (BGB). In conclusion, airborne LiDAR has great potential for estimating canopy height, LAI, and biomass components of maize during the peak growing season.