论文部分内容阅读
基于MODIS和欧洲碳通量观测数据,本文首先采用GR、VI、TG、EC-LUE以及VPM模型计算了站点尺度8个欧洲通量站的总初级生产力(GPP)。其次,根据GPP模型精度和适用性评价指标,评价了不同模型在不同时间尺度(8天、生长季和年际)上的估算精度和适用性。最后,对影响GPP模型估算精度和适用性的各要素,包括气象数据、经验参数、植被指数、最大光能利用率和光能转换系数、土地覆被分类精度以及空间尺度进行了定量分析。主要研究成果有以下几个方面:(1)以MODIS地表反射率数据(MOD09A1)为数据源,构建了原始时间序列植被指数曲线(NDVI、EVI和LSWI),并采用滤波算法(Savitzky-Golay,S-G)进行了平滑处理。通过与原始植被指数曲线对比可知,平滑后的植被指数曲线更能显示植被指数的季节性变化规律。总体来说,S-G较好的实现了植被指数数据去云重构,提升数据质量的目的。(2)不同时间尺度上(8天、生长季和年际)GPP模型精度评价结果表明:在8天和年际尺度上,TG模型总体估算精度最高,GR和EC-LUE次之,而VPM、VI和MOD17A2模型总体估算精度偏低。季节尺度上,GPP模型对夏季GPP的估算精度最高,春季次之,秋季与春季相比,精度稍低,冬季最低。GPP模型适宜性评价结果表明:对于特定的植被类型,GPP模型的适宜性有较大差异。例如,GR适用于混交林(MF)、常绿针叶林(ENF)、落叶阔叶林(DBF)和草地(GRA)等植被的GPP估算。同时,TG也适用于混交林(MF)和草地(GRA)。EC-LUE和MOD17A2对于常绿阔叶林(EBF)适用性更佳。而对于农田(CRO),EC-LUE和VPM模型的适用性更好。(3)GPP模型估算精度影响因子分析结果表明:1)气象数据中,光和有效辐射、气温和水气压都会影响GPP模型估算精度。对于农田(CRO),水气压是主要限制性因子,而对于其它自然植被类型,则更容易受到气温的限制作用;2)光和温度中,光和最适温度对GPP模型估算精度影响最大,最低温度次之,最高温度影响最小;3)与原始植被指数(EVI/NDVI)相比,S-G重构植被指数数据作为模型输入可以显著提高模型估算精度;4)采用70%GPP实测数据获取的最大光能利用率(εmax)和光能转换系数(m)也能够显著提高模型估算精度;5)以站点中心3×3矩阵9个像元值的均值数据作为模型输入能够有效提高GPP模型估算精度。