好文推荐｜全球叶面积遥感产品在碳循环模拟中的不确定性

原创谢馨瑶李爱农等遥感学报 2021-09-20

遥感人的成长家园

官网

主题词

全球叶面积指数遥感产品，GPP，不确定性分析，通量观测，BEPS模型，ECLUE模型

准确模拟陆地生态系统碳循环过程是预测气候变化的基础，也是全球变化研究中重要的前沿领域之一。近年来，基于遥感观测的长时间连续LAI数据集受到广泛关注，研究LAI遥感产品在碳循环模型中的适用性具有重大意义。

中国科学院成都山地灾害与环境研究所李爱农团队近期论文《Assessment of five satellite-derived LAI datasets for GPP estimations through ecosystem models》,对五种常见的全球LAI遥感产品在碳循环模型中的适用性进行了评估，研究工作有助于生态遥感及相关领域学者理解LAI产品质量和生态模型在GPP估算中的贡献，为进一步提高全球LAI和GPP遥感产品质量及应用提供参考知识。

研究背景和意义

图片来源于网络

叶面积指数（LAI）常用于描述植被冠层结构及功能，是许多碳循环模型的重要输入参数，也是开展全球及区域碳循环模拟的关键参数。当前，我们已经有了多个全球尺度的长时间序列LAI遥感产品，在全球变化和地球系统研究和理解中发挥着重要作用。

这些产品通常基于不同传感器的卫星观测及其组合（如AVHRR、MODIS 和SPOT-VEGETATION等）和反演算法（如物理反演、经验关系、机器学习等）生产，已有研究证明产品间存在一定的不一致性，影响了LAI产品的应用选择。

本文旨在从碳循环模拟应用的角度考察五种常用LAI产品的质量，评价了LAI产品的不确定性对不同的碳循环模型（光能利用率模型和生态过程模型）估算GPP的影响，探讨了LAI产品和碳循环模型在山地环境下的差异表现。

主要结论

基于通量观测站点，对全球LAI长时间序列数据集(GLOBMAP、GLASS、GEOV1、GIMMS和MODIS)进行了比较，采用BEPS和EC-LUE模型研究LAI产品在山地地形和平坦地形区对模拟碳通量精度的影响。研究工作可为叶面积指数遥感产品的应用提供有效认识，从而在未来的研究中提高LAI和GPP数据集的准确性。结果显示：

1	GLASS LAI在森林和农作物的GPP模拟中表现较好，GEOV1 LAI在草地的GPP模拟中表现较好。
2	与平坦地形区相比，山地地形区LAI不一致性更高，GPP的估算不确定性较大。
3	与光能利用率模型（EC-LUE）相比，过程模型（BEPS）对LAI更敏感，表明LAI数据在不同模型结构中的代表性存在差异。

研究方法

研究区

图1 全球通量观测站(所选择站点空间分布)

数据

全球LAI遥感产品（GLOBMAP, GLASS, GEOV1, GIMMS 以及 MODIS LAI）
站点观测气象数据（温度、降雨、辐射、VPD等）
EC GPP
DEM

GPP模拟

采用光能利用率模型(ECLUE)和过程模型(BEPS)，基于站点气象数据，分别模拟以五种LAI遥感产品为输入的GPP。

地形划分

根据联合国环境规划署世界保护监测中心(UNEP-WCMC) 对山区的定义，根据高程、坡度和起伏度等信息，将站点划分为平坦地形和山地地形区。

敏感性分析

对LAI遥感产品产生±10%、±20%、±30%的干扰，其他输入保持不变，分析生长季不同时期GPP模拟值随着LAI变化的趋势。

研究结果

(1) 站点LAI一致性分析以及基于五种LAI产品的GPP一致性分析

图2 平坦地形和山地地形区月平均LAI数据集比较

总的来说，GLASS和GEOV1与MODIS LAI的相关性较好，而GIMMS和GLOMAP 与MODIS LAI 的相关性较低（图2）。同时，结果表明山地地形区LAI产品的差异性大于平坦地形，这可能是由于地形影响LAI数据集输入数据的质量（如反射率数据、地表覆盖等）。

图3 平坦地形和山地地形区GPP比较

LAI差异也可能导致了GPP的差异，GLASS和GEOV1与MODIS GPP的一致性较好，而GIMMS和GLOMAP 与MODIS GPP 的一致性较低（图3）。在山地地形区，EC-LUE和BEPS模拟GPP差异明显较高。

(2) GPP模拟值与EC GPP的比较

图4 平坦地形和山地地形区GPP模拟值与EC GPP的比较

结果表明，在本文的95个站，GLASS 和GEOV1 LAI在GPP的模拟中表现较好（图4）。同时，山地地形区的GPP模拟值与EC GPP的差异性明显大于平坦地形区。

(3) LAI在光能利用率模型和过程模型的敏感性

图5 生长季不同时期GPP模拟值对LAI的敏感性

图5展示了GPP估计对LAI的敏感性。一般而言，EC-LUE和BEPS的GPP模拟值在生长前期和后期对LAI的敏感性均高于生长高峰期。LAI增加10-30%导致EC-LUE对森林、草地和作物模拟GPP的高估，范围分别为5.56-15.40%、6.63-18.79%和7.07-20.15%。同样，当LAI增加10-30%时，BEPS模拟的森林、草地和作物GPP分别高估7.99-23.16%、8.09-23.48%和8.23-23.91%。结果表明，与EC-LUE相比，BEPS的GPP模拟对LAI具有更高的敏感性。

论文标题

Assessment of five satellite-derived LAI datasets for GPP estimations through ecosystem models

发表期刊

Science of the Total Environment

论文全文链接

https://www.sciencedirect.com/science/article/pii/S004896971933089X

第一作者

谢馨瑶 中国科学院成都山地灾害与环境研究所在读博士，研究方向为山地生态遥感。

通信作者及团队

李爱农 研究员，博士生导师，中国科学院成都山地灾害与环境研究所数字山地与遥感应用研究中心主任。研究领域为山地定量遥感理论、方法及其综合应用研究。团队工作主要包括山地遥感建模、山地遥感数据自动处理、山地地表覆被信息遥感定量识别、山地地表参量遥感反演与同化、山地生态环境综合评估模型、突发山地灾害遥感应急调查评估等方面。

E-mail: ainongli@imde.ac.cn

好文速递

宫鹏｜换个视角看遥感

《遥感学报》2019年第4期目次

编辑推荐丨遥感数据融合研究进展与文献定量分析(1992-2018)

遥感资讯

会议招聘

招生丨中欧合作“龙计划” 陆地遥感高级培训