全球植被光合作用能力遥感估算
文献类型：学位论文
| 作者 | 杨荣娟 |
| 答辩日期 | 2025-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 刘荣高 ; 刘洋 |
| 关键词 | 植被光合作用能力 时间序列 遥感估算 日光诱导叶绿素荧光 人工神经网络 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 植被光合作用不仅是地球生命系统的能量源泉，更是维持人类生存发展的基础保障。光合作用是绿色植被利用光能将环境中的二氧化碳转化为有机物和氧气的过程，由太阳辐射、植被和环境三部分共同决定，其中植被部分起决定作用的是光合作用能力，代表植被最大光合作用潜力。植被对光合有效辐射的吸收能力FPAR （ 植被光合有效辐射吸收系数， Fraction of Photosynthetically ActiveRadiation），是量化植被光合作用能力的关键参数。现有FPAR 全球遥感估算算法依赖的训练样本有限，产品空间分辨率低，难以准确刻画地块尺度的植被光合作用能力季节变化。日光诱导叶绿素荧光（Solar-induced Chlorophyll Fluorescence，SIF）作为植被光合作用的伴生现象，对光合作用能力的变化更加敏感，是表征植被光合作用的良好指针。但SIF 数据的观测时间序列短、光谱分辨率低，限制了其在植被光合作用能力估算中的应用。 针对以上问题，本研究基于全球叶绿素荧光-植被生产力（SIF-GPP）数据，结合多时相和高分辨率遥感影像，构建基于人工神经网络（ANN）模型的FPAR遥感估算方法，并加入红边波段信息驱动模型，提高算法的全球适用性和精度，以支持更精细的植被光合作用动态监测研究需要。本文主要研究内容及取得的创新性成果如下： （1）构建了红边波段驱动的FPAR 遥感估算模型，提升了植被光合作用季节性变化捕捉的能力。研究在站点尺度上定量分析了叶片敏感参数和叶绿素敏感参数在植被光合作用能力估算中的表现差异，结果显示，相较于基于红/近红外波段关系的植被参数，结合红边波段信息生成的冠层叶绿素含量能够更好地捕捉植被光合作用季节动态。对不同光能利用率模型植被生产力估算结果的对比分析表明，采用冠层叶绿素估算FPAR 方案的光能利用率模型CC-LUE（CanopyChlorophyll based Light Use efficiency Model）在不同气候条件下都表现出稳定的适用性，尤其在半干旱地区，CC-LUE 模型显著降低了植被生长季GPP 估算误差，均方根误差（Root Mean Square Error，RMSE）对比MOD17、VPM 和EC-LUE模型分别减少75.4%、73.4%和37.5%。 （2）以叶绿素荧光估算的植被初级生产力为训练数据，构建了基于人工神经网络算法的植被光合有效辐射吸收潜力FPARmax（植被光合有效辐射最大吸收系数，Maximum Fraction of Photosynthetically Active Radiation）遥感估算模型，实现全球FPARmax 的反演。研究基于全球SIF-GPP 数据和ERA5 气候数据，构建了全球月尺度的FPARmax 参考数据层，为遥感估算模型的构建提供了基准数据。利用多年遥感观测的晴空地表反射率数据，匹配植被最佳光合作用状态的光谱信息，获取覆盖全球的训练样本库。在此基础上，采用人工神经网络模型构建FPARmax 遥感估算方法，利用MODIS 提供的地表反射率数据，在全球尺度上开展了长时间序列FPARmax 的遥感估算。研究基于FPARmax 估算了晴空GPP 近似值并在站点上进行了验证，结果表明，ANN 模型在几乎所有气候条件下都提升了FPARmax 对晴空植被生产力的近似估算精度，RMSE 降低了6%-20%。结合环境要素变化的分析表明，基于ANN 的FPARmax 光谱直接估算方法能够有效捕捉植被光合作用能力的季节动态变化，并在不同生态系统和气候区均表现出较好的适应性。 （3）基于哨兵二号（Sentinel-2）、哨兵三号（Sentinel-3）数据源，生成了全球时间序列和十米级分辨率FPARmax 产品。研究利用Sentinel-3 OLCI 高光谱数据提供的红边波段和近红外波段等叶绿素敏感光谱特征，对ANN 模型进行优化，以提升FPARmax 估算的精度。相较于基于MODIS 红/近红外波段关系的ANN模型（R = 0.962，RMSE = 0.056，Bias < ±0.001），优化后的模型精度有明显提升（R = 0.998，RMSE = 0.021，Bias < ±0.001）。与其他全球FPAR 产品相比，红边波段驱动的ANN 模型在全球不同植被类型和生态系统中均表现出更高的适用性，能够更准确地捕捉植被光合作用能力的变化趋势，尤其是在植被生长季初期和结束时期，ANN 模型估算结果能够更精准地体现植被的快速生长特征和衰退趋势。基于Sentinel 的多源卫星协同估算框架，通过融合全球Sentinel-3 300米分辨率FPARmax 产品与Sentinel-2 十米级地表反射率数据，实现了区域尺度FPARmax 的空间降尺度估算，有效解决了传统中低分辨率FPAR 遥感产品（如MODIS）在农田地块、林窗等小尺度生态系统监测中的局限性，为精细化植被光合作用能力评估和生态系统监测提供了新的数据支撑。 本研究的成果不仅在全球尺度上提升了FPARmax 估算精度，同时也为中高分辨率的植被光合作用能力遥感估算提供了新的方法和数据支持。可广泛应用于全球碳循环分析、植被生产力评估及生态系统管理等多个研究领域，为碳中和目标的实现提供科学支撑。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 164 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217361]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 杨荣娟. 全球植被光合作用能力遥感估算[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。