NPP估算在一个生态系统规模根据fAPAR从遥感信息的案例研究
fAPAR之间的关系进行比较研究,各种植物的树冠和7个植被指数进行了基于机载遥感数据(井上et al ., 2001)。在这个实验中,在精细的空间分辨率精确校准的机载光学测量与地面同时得到高光谱测量和详细的工厂。这可能是一个有用的案例研究,调查植被指数和fAPAR之间的现实关系,因为很少有实验研究在一个生态系统或基于准确的地面景观尺度数据和航空遥感数据。
4.2.1实验准备网站
实验研究在农业领域的国家农业研究中心(日本筑波;36°010 n, 140°070 e, 25米)及周边农田地区。整个区域的大小大约是60平方公里,在广泛的农田(大米、大豆、玉米、花生等)和自然植被地区(树,草坪草,布什,等等)都包括在内。
4.2.2机载和地面遥感测量
机载多光谱扫描仪(AZM Nakanihon-kouku,有限公司,日本)用于遥感研究的区域。机载光谱图像拍摄十一点光学乐队(474,553,656,675,848,1089,1193,1623,2044,2135,和2207 nm)和一个热乐队从1000米的高度(9.3毫米)中午左右。地上的空间分辨率为1.25 m。数字图像被转换为反射率图像使用校准源。没有大气校正了因为天空条件非常清楚和湿度很低(49%)。地面高光谱反射率和表面温度测量使用便携式辐射仪(美国ASD FS-FR1000)和红外温度计(Model4000,珠峰Inc .)、美国),分别。反射光谱(380 - 2500 nm, 1纳米分辨率)接管超过50个不同的统一目标领域包括大米、大豆、玉米、草原,草地,蔬菜,裸露的土壤,沥青、混凝土、水池塘、河流等。红外10个不同的统一目标的表面温度测量(裸露的土壤、水稻的树冠、水池塘、沥青、混凝土、等等)。发射率为所有目标被假定为0.98。温度数据机载观测时间窗口的平均,用于校准。
4.2.3 fAPAR和植物参数的测量
工厂数据如赖和生物量估计从破坏性测量基于植物取样。赖是用光学测量叶面积仪(AAM8、Hayashi-denkoh有限公司、日本)仅供绿叶。湿和干生物量测定绿色叶子,茎,根,分别和衰老的植物部分。
fAPAR估计预算的四个组件的光合光量子通量密度(PPFD)测量,即。下面的树冠,向下和向上。这些PPFD值测量使用米PPFD传感器(li - 191 sa Li-Cor Inc .)、美国)几次,平均,所以,他们代表每个树冠。附近的fAPAR数据被远程传感测量的时间;这些数据没有日均fAPAR的值,但是瞬时值接近中午。众所周知,fAPAR的价值不相符时一天但日出日落时间附近相对较高;然而,中午fAPAR可能代表足够的日均fAPAR,因为它们彼此高度相关由于极低太阳辐射低太阳高度角的那段时期。
4.2.4估计fAPAR和植物生产力从光谱指数
从107年的数据不同的树冠,分数之间的密切的线性关系获得了辐射截获的植物树冠(fIPAR)和fAPAR:
fAPAR - 0.954 fipar r2 - 0.997 (n - 107) (6)
这两个参数都是常用的简单的流程模型,但应该注意的是,fIPAR小于fAPAR 5%。
fAPAR的关系与七种不同的植被指数、归一化植被指数,RVI,萨维(Huete, 1988), MSAVI (Qi et al ., 1994), WDVI(聪明,1989),diseases (Pinty和是1992)和增强型植被指数(Huete et al ., 1999)进行了比较。力的定义如下:
萨维- (1 + L) rNIR rr L - 0.5 (8)
L的优化值
WDVI arNIR - rr一个系数(10)
diseases - z (1 - 0.25 z) - rr 0:125 (11)
归一化植被指数
图3:fAPAR各种植物的树冠和之间的关系植被指数归一化植被指数来自航空遥感图像(颜色版本,请参阅颜色板部分)。
归一化植被指数
图3:fAPAR各种植物的树冠之间的关系和植被指数NDVI源自航空遥感图像(颜色版本,请参阅颜色板部分)。
[2 (rNlR - rr) + 1-5rNIR + 5°pred)
1 + PNIR + 6 pred - 7.5 pblu
fAPAR是最好与归一化植被指数(图3),这是比另一种更好的线性VIs;RVI (r2 - 0.55),萨维(r2 - 0.73), MSAVI (r2 - 0.62), WDVI (r2 - 0.61), diseases (r2 - 0.67),和增强型植被指数(r2 - 0.68)。归一化植被指数的回归方程,fAPAR r2 - 1.176归一化植被指数- 0.145 - 0.84 (13)
同意与以下理论上导出方程(Myneni和威廉姆斯,1994),fAPAR - 1.164归一化植被指数- 0.143。(14)
自回归方程(13)是来自一个数据集2年和各种植物的树冠包括农作物、蔬菜、和森林,这将是一个有用的各种应用程序的基础。单个数据点的偏差从回归线,即。,错误的估计大在某些情况下,但这是这种简单的方法固有的局限性,它只使用两个光谱波长。
这个方程的基础上,高分辨率的地图生成fAPAR(井上et al ., 2001),从植物生产力可以估计使用测量街的景观尺度和标准数据。自从每天全球太阳辐射可以从卫星图像(GMS)估计分辨率汉诺威,可以估计每天为特定的生物群落生产力或地区。仲夏生长季节期间,典型值的fAPAR制服稻田、旱地作物,和城市区分别为0.3,0.25,和0.1,分别。值得注意的是,该地区的平均fAPAR对于典型的和统一的水稻地区不超过0.3,0.8 - -0.9时大米的树冠近最大赖在同一天。的碳的数量固定进入该地区的稻田,旱地作物,和城市地区被估计为2.8,2.4,和1.0 cgm-2day-1。例如,在晴空的一天与全球太阳辐射(RAD) 25倍木星质量m - 2普通人假设2.66 gDM MJ ^ PAR街,PAR是RAD 0.45,分别和植物碳含量是0.449 DM。剪裁区域的值可比较的典型值300 - 400 gC等作物物种的m - 2 y-1 (Goudriaan et al ., 2001)。
在同样的实验中,发现了农田土壤碳含量与光谱反射率高度相关的480和560海里(r2 - 0.63;的碳含量范围:0.20 - -0.61% DM)基于相同的数据集。这一结果表明,土壤碳含量的年变化可能从遥感光谱反射系数估计。尽管如此,进一步的研究需要更准确,稳健估计。
继续阅读:初级生产
这篇文章有用吗?