遥感应用模型6植被3初级生产力
一种全球通用植被总初级生产力遥感指数估算方法[发明专利]
![一种全球通用植被总初级生产力遥感指数估算方法[发明专利]](https://img.taocdn.com/s3/m/6972a0f3ab00b52acfc789eb172ded630b1c98a0.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010976999.9(22)申请日 2020.09.17(71)申请人 中国科学院空天信息创新研究院地址 100094 北京市海淀区邓庄南路9号(72)发明人 吴文瑾 李新武 (74)专利代理机构 北京得信知识产权代理有限公司 11511代理人 孟海娟 阿苏娜(51)Int.Cl.G06F 30/20(2020.01)(54)发明名称一种全球通用植被总初级生产力遥感指数估算方法(57)摘要本发明公开一种全球通用植被总初级生产力遥感指数估算方法。
该方法基于全球通用植被总初级生产力遥感指数模型，采用遥感数据对陆地植被GPP实现大范围的快速估算。
拟合效果显著优于目前的NIRv指数获取的结果，而且该指数模型表现在不同植被类型和纬度之间有较好的一致性，可以准确追踪不同植被类型的物候变化，同时不易受雪的影响。
权利要求书2页 说明书5页 附图4页CN 112149295 A 2020.12.29C N 112149295A1.一种全球通用植被总初级生产力遥感指数估算方法，其特征在于，包括以下步骤：提出全球通用植被总初级生产力遥感指数模型，模型的计算公式为：GPP＝A×CC×PAR×Ev+B，其中，A＝0.15，B＝1.3,为回归模型的经验系数，该系数全球统一，不必随不同的植被类型和地理位置进行调整；CC代表植被覆盖度；PAR是总体下行短波辐射；Ev是植被对光合有效辐射的总体转化效率，为吸收效率和利用效率的乘积；将CC通过归一化植被指数NDVI进行近似；吸收效率通过近红外波段反射率-NIR进行表征，利用效率通过叶绿素含量占总色素含量的比例-Rchl进行表征，则该模型可以进一步推导为：GPP＝A×NDVI×PAR×NIR×Rchl+B；利用MODIS反射率数据分别计算每日的NDVI，NIR和Rchl均值，并通过相应产品获取PAR；基于所述全球通用植被总初级生产力遥感指数模型求得最终的植被总初级生产力值。
利用机器学习的植被净初级生产力遥感估算方法[发明专利]
![利用机器学习的植被净初级生产力遥感估算方法[发明专利]](https://img.taocdn.com/s3/m/b85e5851cbaedd3383c4bb4cf7ec4afe05a1b15d.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201610719136.7(22)申请日 2016.08.25(71)申请人 三亚中科遥感研究所地址 572029 海南省三亚市天涯镇黑土村6号(72)发明人 于博 陈方 (51)Int.Cl.G06N 99/00(2010.01)(54)发明名称利用机器学习的植被净初级生产力遥感估算方法(57)摘要本发明公开了一种基于多源遥感产品，通过机器学习构建植被净初级生产力(Net Primary Production，NPP)估算模型的方法，该方法针对海量数据产品的分析特点，提出采用机器学习的方法模拟和构建全球植被净初级生产力估算模型，同时基于该模型计算了各个相关特征产品在植被净初级生产力估算中的重要性。
主要分四步：(1)收集NPP空间观测产品和NPP相关变量的空间观测产品；(2)数据归一化处理；(3)训练NPP 估算模型；(4)评估各个因素在估算NPP模型中的重要性。
该方法为利用多空间观测数据开展植被净初级生产力的估算提供了一种新思路。
权利要求书1页 说明书6页 附图2页CN 106372730 A 2017.02.01C N 106372730A1.一种基于多源遥感产品，通过机器学习构建植被净初级生产力(Net Primary Production，NPP)估算模型的方法，其特征在于，利用机器学习模型客观的学习NPP相关变量与NPP空间观测值之间存在的关系，再根据各个变量对估算得到的NPP值与该变量被替换为0时得到的NPP值之差衡量其对NPP估算过程中产生的影响大小，具体实施方案如下：(1)收集NPP空间观测产品和NPP相关变量的空间观测产品N P P 空间观测产品主要采用M O D I S (M O d e r a t e -r e s o l u t i o n I m a g i n g Spectroradiometer)卫星产品作为NPP的实际值，NPP相关变量的空间观测产品主要包括OMI(Ozone Monitoring Instrument)传感器提供的气溶胶指数，大气二氧化氮浓度以及紫外线辐照度；MODIS传感器提供的火灾辐射强度(FRP，Fire Radiative Power)、地表温度、湿度、土壤湿度、光谱植被指数和土地利用类型；AIRS(Atmospheric Infrared sounder)传感器提供的大气二氧化碳浓度；GES DISC (Goddard Earth Sciences Data and Information Services Center)平台提供的植被高度，土壤温度和净全波辐射(Net all-wave radiation)产品以及BP(英国石油公司)2015全球能源统计报告全球能源市场统计数据中的人类主要能源与可再生能源消耗量与二氧化碳排放量数据；(2)数据归一化处理将每景相关遥感产品值都归一化到0-1，避免不同变量产品的值因单位不同，差异较大；(3)训练NPP估算模型采用随机森林方法训练NPP估算模型，其中选取80％的数据为训练数据，其他数据为测试数据；(4)评估各个特征变量在估算NPP模型中的重要性基于训练好的模型计算每个特征变量对估算NPP的重要性，通过计算在各个特征变量值为零时随机森林模型的估算结果与正常训练后的模型得到的估算结果之间的差而得到。
我国陆地植被净初级生产力变化规律及其对气候的响应
而且也是对人类活动和全球气候变化最敏感的生物 圈 .植被是陆地生态系统的重要组成部分 , 在区域气 候变 化 和全 球 碳 循 环 中 扮 演着 重 要 的 角 色[ 1 -2, 10, 22 -23] .植被净 初级生产力 (netprimaryproductivity, 简称 NPP)是指绿色植物在单位面积 、单 位时间内所积累的有机物数量 , 是光合作用所产生 的有机质总量减去呼吸消耗后的剩余部分 .NPP是
ArcGIS地理信息系统的支持下 , 采用三角网插值方
法将气象数据插值成空间分辨率为 8 km×8 km的
Albers投影的栅格数据 .同时对植被类型分类数据
进行转换 , 生成 8 km×8 km的 Albers投影的栅格数
据 , 以便与遥感数据进行匹配 .
2.2 研究方法
基于光能利用率的植被净初级生产力模型主要
被层对入射光合辐射 (PAR)的吸收比例 , 具体计算 参见文献 [ 9] .在理想条件下 , 植被光能利用 率为潜
在光合利用率 , 即最大光能利用率 , 而在实际环境中
植被光能利用率主要受空气温度 、大气水汽压 、土壤
水分状况等因素的影响 .光能利用率计算式如下 :
ε =σ σ σ ε (x, t)
陆地植被 NPP具有明显的时间和空间变化特 征 .NPP的空间变化主要与气候特征 、植被分布 、土 地利用类型有关 , 而 NPP的时间变化主要表现在季 节间和年际间的变化 .长时间序列的卫星遥感数据 集的建立 , 为研究区域或全球尺度的陆地植被 NPP 的季节和年际变 化提供了可能[ 3, 11, 20] .我国也有不 少学者利用 CASA和 GLO-PEM模型估算近 20年来 中国陆地植被 NPP分布及其时空变化规律 , 并从点 上简单分析了 NPP与气候因子的相互关系 [ 6, 17] .但 到目前为止 , 对我国不同植被生态系统 NPP年际波 动的差异以及气候变化对植被影响规律的时空特征 还不完全清楚 .另外 , 彭少麟等 [ 15] 认为 , 在 CASA模 型中取全球植被月 最大光能 利用率 (0.389 gC· MJ-1)对中国广东省来说偏低 .GLO-PEM模型所需 参数完全由遥感手段反演获得 , 而目前地表参数遥 感反演技术还存在许多不确定性的因素[ 13] .因此 , 本文在 GIS系统的支持下 , 根据前人的研究成果 , 充 分利用气象资料和卫星遥感的优势 , 构建基于光能 利用率 的植被 NPP模型 , 估算了 1982— 2000年中 国陆地植被月 NPP分布 , 分析了我国陆地不同植被 类型 NPP的季节性和年际性变化规律 , 并从像元空 间尺度上揭示了我国陆地植被 NPP在不同季节 、不 同区域对气候变化的响应 .
基于遥感技术评估海洋初级生产力
2、海洋水体的光学特性。海水的光学特性可分 为两类: 固有光学量和表观光学量。固有光学量是指 只与水体成分有关而不随光照条件变化而变化的量。
它直接反映媒介的散射和吸收特性， 并且它随水中的 溶解和悬浮物以及媒介的电磁特性的变化而变化。表 观光学量是指随光照条件变化而变化的 量， 这些参 必须进行归一化，才有可能进行不同时间、 地点测量
4、海洋初级生产力。 海洋水色遥感的根木目的
是监测海洋初级生产力的变化，初级生产力表示在单 位海洋面积里，浮游植物通过光合作用固定碳的净速
率， 初级生产力的 单位是mg.耐d ， 其中 ， 第一个mg
指增长的浮游植物量 (由碳含量量度) 。而海洋初级 生产力的两类算法 (经验算法和解析算法) 都是基于 下面两点假设: (1 叶绿素 a 的浓度与浮游植物生 ) 物量 (用细胞浓度、细胞体积和浮游植物碳来表示) 间有很强和很稳定的相关性; (2 光合作用时，细 ) 胞中起主要作用的叶绿素是叶绿素 a。因此可看出， 通过遥感海水浮游植物中的叶绿素是评估海洋初级生 产力的一个重要指标。
精度‘ 3 ， 0一 测量精度蕊 0 。 0 0.1 另外为了 避开海面直射 反射 光入瞳， 需要探测器沿轨前后倾斜 ( 一 加0 扫 o 0 士 ) 描， 倾角按照一年四 季太阳高度角变化而进行调整。 3、 探测器。海洋水色 探测器的 性能要求， 主要
是由于波段设置、 信噪比 ( 八) 、 S 视场、 量化级、 辐
初级生产力海洋水色遥感是利用机载或星载遥感探测器探测与海洋水色有关的参数即海色要素如叶绿素悬浮物可溶有机物污染物等的光谱辐射根据生物光学特性太空中的传感器在探测到的辐射度中推算离水辐射度的大小和分布求得海水中叶绿素和悬浮物的含量等海洋环境要素获取有关的物质的分布信息从而进一步提取海洋叶绿素浓度等的信息来监测海洋环境和根据叶绿素的浓度评估海洋生产力
基于遥感资料估算全球植被总初级生产力_袁文平
遥感定量反演算法研讨会128基于遥感资料估算全球植被总初级生产力袁文平1*，刘曙光2(1北京师范大学全球变化与地球系统科学研究院，北京，100875; 2美国地质勘探局地球资源观测与科学研究中心)摘要：植被初级生产力是生态系统碳循环的开始，对其的模拟直接关系到对生态系统碳收支评估的准确性，是全球碳循环研究的关键议题之一。
以全球涡度相关碳通量观测资料为基础，我们发展了一个简单的光能利用率模型（EC-LUE模型），用于估算陆地生态系统植被总初级生产力（GPP）。
该模型的驱动变量仅为：归一化植被指数、光合有效辐射、空气温度和波文比。
利用全球范围内近50个涡相关站点的验证表明，EC-LUE模型可以解释超过70%的GPP变化，能够很好的刻画GPP的季节和年际变化，其模拟能力超过了MODIS-GPP产品。
基于MODIS的植被指数产品和全球气象数据，我们应用EC-LUE模型估算了全球范围的GPP变化。
结果显示，全球年平均GPP为125Pg C，与其它同类研究结果极为接近。
全球GPP表现出了极强的空间和时间变异性。
Global estimate of vegetation gross primary production based on MODIS and global meteorology dataYUAN Wen-ping, LIU Shu-guang（College of Global Change and Earth System Science, Beijing Normal University, Beijing100875, China；2 United States Geological Survey）*通讯作者简介：袁文平联系方式：wyuan@。
【国家自然科学基金】_遥感模型_基金支持热词逐年推荐_【万方软件创新助手】_20140801
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
科研热词 遥感 gis 植被指数 高光谱遥感 高光谱 modis 模型 太湖 小麦 土地利用 地理信息系统 叶面积指数 神经网络 监测模型 植被覆盖度 土壤侵蚀 土地利用变化 遥感监测 遥感影像 水稻 植被净初级生产力 棉花 土壤水分 叶绿素a 反演 反射率 rs 模拟 植被 大气校正 地表温度 后向散射系数 主成分分析 ndvi dem 钉螺 遥感模型 遥感技术 蒸散 绿洲 线性光谱混合模型 纹理 空间变异 生物量 玉米 模式分解方法 应用进展 多尺度 地形因子 图像融合 半分析模型 分类
卫星遥感在生态监测与农业中的应用
8 卫星遥感在生态与农业气象中的应用8.1 目的与意义卫星遥感集中了空间、电子、光学、计算机、通讯和地球科学等学科的最新成就，在地球系统科学、资源与环境科学以及农业、林业、地质、水文、城市与区域开发、海洋、气象、测绘等科学和国民经济的重大领域发挥着越来越大的作用。
随着社会的开展，我国正面临着日益严重的环境与资源问题，这个问题将关系到国民经济的持续开展。
因此，遥感技术已被列为国家90年代国民经济开展的35项关键技术之一。
遥感技术在解决我国资源与环境问题、促进国民经济持续开展的作用是：(1) 为制定国民经济开展方案提供资源与环境动态根底数据；(2) 为国家重大的资源、环境突发性事件提供及时准确的监测评估数据，保证国家对这些重大问题作出正确、快速的反响；(3) 生物量估测〔包括农牧业产量、初级生产力估计〕；(4)为国家的重要经济领域提供信息效劳。
自1961年美国第1颗气象卫星问世以来，已有4800多颗各类卫星被送入轨道。
按运行轨道区分为低轨道卫星、中高轨道卫星、地球同步卫星、地球静止卫星、太阳同步卫星、大椭圆轨道卫星和极轨道卫星。
按用途一般分为科学卫星、应用卫星和技术试验卫星。
其中，应用卫星直接为国民经济和军事效劳的卫星，按用途可细分为通信卫星、气象卫星、侦察卫星、导航卫星、测地卫星、地球资源卫星、截击卫星和多用途卫星等。
在应用卫星中，对地观测卫星有气象卫星、地球资源卫星、侦察卫星。
这些卫星可以直接效劳于气象、农林、地质、水利、测绘、海洋、环境污染和军事侦察等方面。
它们许多采用太阳同步轨道〔如中巴一号资源卫星、风云1系列卫星〕，也有使用静止轨道〔如风云2系列卫星〕和其他轨道。
接收、处理卫星遥感信息，实时制作各类应用效劳产品，向政府和有关部门提供效劳。
学习国外卫星遥感应用的先进技术，研究解决监测应用中的有关技术问题，将卫星遥感技术应用在省自然资源监测和农业生产效劳中，对于研究生态和农业，扩展对它的认识，明确自然界与人类的相互影响，了解我们赖以生存的自然环境。
遥感模型 碳储量
遥感模型在碳储量研究中发挥着重要的作用。
通过利用遥感技术获取的卫星数据，可以对地球表面的植被类型、覆盖面积以及生长状态进行监测和分析。
这些信息可以用来估计森林和植被的碳储量。
遥感模型通常基于光谱特征和植被指数来推断植被的生物物理参数，如叶面积指数（Leaf Area Index，LAI）、净初级生产力（Net Primary Productivity，NPP）等。
这些参数与植被的生长状况和碳储量密切相关。
例如，LAI反映了植被的叶片面积，而NPP表示单位面积内植被所固定的碳量。
遥感模型还可以利用雷达技术来获取地表高度信息，从而实现对森林垂直结构的观测。
森林的垂直结构包括树木高度、枝干密度等参数，这些参数与森林的碳储量紧密相关。
通过将雷达数据与其他遥感数据相结合，可以更准确地估计森林的碳储量。
此外，遥感模型还可以利用热红外遥感数据来推断土壤有机碳含量。
土壤中的有机碳是碳循环的重要组成部分，对于全球碳储量的估计至关重要。
通过分析热红外遥感数据中的土壤表面温度和辐射信息，可以推断土壤中有机碳的含量。
综上所述，遥感模型在碳储量研究中具有广泛应用。
通过利用遥感技术获取的地表信息，结合相应的模型和算法，可以实现对森林、植被和土壤的碳储量进行有效监测和估算，为碳循环和气候变化研究提供重要的科学依据。
1。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
FPAR的估算
在一定范围内， FPAR与NDVI之间存在着线性关 系，这一关系可以根据某一植被类型NDVI的最大 值和最小值以及所对应的FPAR最大值和最小值来 确定；
NPP 遥感估算模型需要在以下3 个方面作进一步的 改进与完善：
将植被覆盖分类引入模型，并考虑植被覆盖分 类精度对NPP估算的影响，由它们共同决定不 同植被覆盖类型的NDVI最大值，由此获得各植 被覆盖类型的比值植被指数最大值，最后实现 FPAR 的估算；
利用NPP实测数据，模拟出各植被类型的最大 光能利用率；
式中，NDVIi ,max和NDVIi ,min分别对应第i种植被类 型的NDVI 最大值和最小值
FPAR 与比值植被指数RVI(SR) 也存在较好的线性 关系
式中，FPARmin和FPARmax的取值与植被类型无 关，分别为0. 001 和0. 95；
通过对FPARNDVI和FPARSR所估算结果的比较发现 ：由NDVI所估算的FPAR比实测值高，而由SR所 估算的FPAR则低于实测值；
早期的一些科学家利用APAR-NPP这一关系在小范 围的实验点上开展植被NPP估算，取得了一定的成 功；
但在区域及全球尺度上，由于气候类型和植被类型 的多样，其应用受到了很大的限制，问题主要存在 于一些参数的确定上，具体表现在以下方面：
不同的植被覆盖类型对NPP的估算
最大光能利用率的取值
净初级生产力(NPP) 则是从光合作用所产生的有 机质总量中扣除自养呼吸后的剩余部分。
NPP = GPP - Ra
总初级 生产力
自养呼吸 的消耗量
NPP作为地表碳循环的重要组成部分，不仅直接 反映了植被群落在自然环境条件下的生产能力， 表征陆地生态系统的质量状况；
而且是判定生态系统碳源/ 汇和调节生态过程的 主要因子，在全球变化及碳平衡中扮演着重要的 作用；
将这两种方法结合起来，取其平均值作为FPAR的 估算值，此时，估算的FPAR与实测值之间的误差 达到最小。将两个方程组合起来，取其平均值作 为FPAR 的估算值；
α为两种方法间的调整系数，取0. 5 (取二者的平均 值) 。
光能利用率的估算
光能利用率是在一定时期单位面积上生产的干物质 中所包含的化学潜能与同一时间投射到该面积上的 光合有效辐射能之比。
在原始CASA模型中，最大光能利用率是一个常数 ，取值为0.389。但是当该模型应用于区域尺度时 ，该设置是不合理的。
CASA模型
早在20 世纪70 年代Monteith 就发现NPP 和植被吸 收的光合有效辐射(APAR)之间存在着稳定的关系 ：当水分和肥料处在最适的条件下，农作物的 NPP与APAR具有很强的线性相关；
光合有效辐射是太阳辐射中能被绿色植物用来进 行光合作用的那部分能量；
但是，不同的植被类型，或者同一植被类型在不 同的生长条件下，所获得的经验模型存在着差异 ，这就意味着植被的NPP受植物本身及其生长环 境的影响。
NPP的估算模型
NPP 的 估 算 可 以 由 植 物 吸 收 的 光 合 有 效 辐 射 ( APAR) 和实际光能利用率(ε) 两个因子来表示，其 估算公式如下：
式中，APAR (x, t)表示像元x 在t月吸收的光合有效 辐射，ε(x , t)表示像元x 在t月的实际光能利用率。 光能利用率指单位土地面积上，农作物通过光合作 用所产生的有机物中所含的能量与所接受的太阳能 的比。
利用气象数据(温度、降水、太阳净辐射)，结合 已有的区域蒸散模型来实现水分胁迫因子的估 算。
模型架构
APAR的估算
利用遥感数据估算光合有效辐射(PAR) 中被植物叶子 吸收的部分(APAR)是根据植被对红外和近红外波段的 反射特征实现的。
植被吸收的光合有效辐射取决于太阳总辐射和植物本 身的特征；
很多光能利用率模型本身考虑了不同的植被覆盖 类型对NPP估算结果的影响，但也仅仅是在光合 有效辐射吸收比例(FPAR)的估算过程中，根据不 同的植被覆盖类型来确定比值植被指数最大值， 没有考虑不同的植被覆盖分类精度对NPP估算结 果的影响；
全球植被最大光能利用率的取值对NPP的估算结 果影响很大，最初的“光能利用率”模型包含一 个最大光能利用率(εmax)，然后再根据不同的环境 胁迫因子对其进行调整。如CASA 模型就将全球 最大光能利用率取值为0. 389 g C·MJ-1
是判定大气成分，尤其是CO2浓度的变化的重要 因子，使得NPP的研究对气候具有重要的指导意 义。
NPP估算方法
基于站点的实测数据估算：通过直接收获法来获 得NPP。站点实测法简单易行、精度高，但费时 、费力，具有破坏性，仅能用于小面积调查。
气象相关统计模型：该模型认为植被NPP与气候 存在一定的相关性，将气候因子如温度、 降水量 等引入模型中，建立 NPP与气候因子之间的简单 统 计 回 归 模 型 。 典 型 模 型 有 ： Miami 模 型 、 Thornthwaite模型、Chikugo模型和综合模型等。
第二章 植被遥感
本章主要内容
植被净初级生产力估算模型
Hale Waihona Puke 植被净初级生产力估算模型 植被生产力是人类生活所需食物、原料及燃料的 来源。植物通过光合作用将太阳能固定并转化为 植物生物量。
单位时间和单位面积上，绿色植物通过光合作用 所产生的全部有机物同化量，即光合总量，叫总 初级生产力( GPP) ；
光能利用率模型：建立在植物光合作用过程和光 能利用率的概念上，认为任何对植物生长起限制 作用的资源(如水、氮、光照等)均可用于NPP 的估 算。
这些因子之间通过一个转换因子联系起来，这一 转换因子是一个复杂的调节模型，或是一个简单 的比率常数。
典型模型：CASA模型、GLO-PEM模型和BEAMS模 型等。