芦苇湿地植被NPP估算方法探索与应用

doi:10.11873/j.issn.1004-0323.2021.4.0742

遥感技术与应用

2021, Vol. 36

Issue (4): 742-750 DOI: 10.11873/j.issn.1004-0323.2021.4.0742

湿地遥感专栏

芦苇湿地植被NPP估算方法探索与应用

罗玲¹(

),毛德华^1,²(

),张柏¹,王宗明^1,³,杨桄⁴

^1.中国科学院东北地理与农业生态研究所，吉林长春 130102
^2.中国科学院长春净月潭遥感实验站，吉林长春 130102
^3.国家地球系统科学数据中心，北京 100101
^4.空军航空航天大学，吉林长春 130022

Exploration and Application of NPP Estimation Model for Phragmites Australis Wetlands

Ling Luo¹(

),Dehua Mao^1,²(

),Bai Zhang¹,Zongming Wang^1,³,Guang Yang⁴

^1.Key Laboratory of Wetland Ecology and Environment，Northeast Institute of Geography and Agroecology，Chinese Academy of Sciences，Changchun 130102，China
^2.Changchun Jingyuetan Remote Sensing Experiment Station，Chinese Academy of Sciences，Changchun 130102，China
^3.National Earth System Science Data Center，Beijing 100101，China
^4.Air Force Aviation University，Changchun 130022，China

全文: PDF(2955 KB) HTML

摘要：

作为表征湿地生态系统健康的重要指标，湿地植被净初级生产力（NPP）的精准估算对于理解全球变化以及区域碳循环具有重要的支撑作用。基于Landsat 8 OLI遥感影像和大量实测数据，以光能利用率模型基本结构式为基础，构建和评价了芦苇湿地植被NPP估算的不同遥感驱动模型，并以东北3个典型芦苇湿地保护区为例进行了验证与应用。结果表明：以NPP = f（f（VI₁）） × f（VI₂）结构与NDVI和MSAVI两个植被指数作为自变量的模型最优，模型精度为89.2%，明显高于NPP低空间分辨率产品和CASA模型的模拟结果。根据该模型估算的东北地区七星河、查干湖和双台河口芦苇湿地的NPP均值分别为3 001、3 050和3 621 gC·m^–2·a^–1。受水文条件和人类活动影响，各湿地样区间NPP具有典型的空间分布异质性。实验提出的框架模型可为小尺度上湿地生态系统健康评估或湿地生态系统恢复效果评价等指标获取提供方法借鉴。

关键词： 净初级生产力; 植被指数; Landsat; 芦苇湿地; 光能利用率模型

Abstract:

Researches on Net Primary Productivity （NPP） of wetland vegetation are of great significance to the study of global change and carbon cycle. Taking three typical wetland samples in Northeast China as study area， based on Landsat 8 OLI and a large number of field data， this paper contrasted the combination forms of the basic structural formula of light utilization model. Results show that the model based on structure of NPP = f（f（VI₁））×f（VI₂） and two vegetation indices （NDVI and MSAVI） are optimal， with an accuracy of 89%， which was higher than those ofMODIS BIO-BGC and CASA model. In 2014， mean NPP of Phragmites australis for Qixinghe， Chaganhu and Shuangtaihekou wetland was 3 001， 3 050 and 3 621 gC·m^–2·yr^–1， respectively. NPP is obvious different spatially in three wetland samples， which is mainly influenced by hydrological conditions and human activities. For Phragmites australis wetland with small spatial scale， remote sensing method can be used to estimate NPP conveniently and efficiently. This study can provide a reference and guide for the study of wetland vegetation NPP regionally.

Key words: Net Primary Productivity （NPP） Vegetation index Landsat Phragmites australis wetland Light utilization model

收稿日期: 2021-02-03 出版日期: 2021-09-26

ZTFLH:

TP79

基金资助: 中国科学院战略性先导科技专项(XDA19040500);国家自然科学基金项目(41771383)

通讯作者: 毛德华 E-mail: luoling@iga.ac.cn;maodehua@iga.ac.cn

作者简介: 罗玲（1984-），女，黑龙江哈尔滨人，博士，主要从事资源环境遥感研究。E?mail: luoling@iga.ac.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	罗玲
	毛德华
	张柏
	王宗明
	杨桄

引用本文:

罗玲,毛德华,张柏,王宗明,杨桄. 芦苇湿地植被NPP估算方法探索与应用[J]. 遥感技术与应用, 2021, 36(4): 742-750.

Ling Luo,Dehua Mao,Bai Zhang,Zongming Wang,Guang Yang. Exploration and Application of NPP Estimation Model for Phragmites Australis Wetlands. Remote Sensing Technology and Application, 2021, 36(4): 742-750.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2021.4.0742 或 http://www.rsta.ac.cn/CN/Y2021/V36/I4/742

图1 研究区在东北地区位置及样区范围示意图

表1 芦苇湿地植被NPP与不同植被指数的相关系数

图2 东北地区典型芦苇湿地APAR与最优植被指数MSAVI间的关系

图3 东北地区典型芦苇湿地植被光能利用率（LUE）与冠层叶绿素含量间的关系

表2 不同模型不同分辨率遥感影像的芦苇植被NPP估算结果对比

图4 利用本文构建模型模拟的东北地区典型湿地芦苇植被NPP空间分布格局

图5 3个典型芦苇湿地样区NPP及气候因子对比

1	Lu Xianguo. A review and prospect for wetland science ［J］. Bulletin of Chinese Academy of Sciences，2002，17（3）：170-172.
1	吕宪国. 湿地科学研究进展及研究方向［J］. 中国科学院院刊， 2002， 17（3）： 170–172.
2	Zhou Fufang， Shi Xiuhua， Qiu Guoyu， et al. A comparison study on the secondary production of macrobenthos in different wetland habitats in Shenzhen bay［J］. Acta Ecologica Sinica， 2012， 32（20）： 6511–6518.
2	周福芳，史秀华，邱国玉，等. 深圳湾不同生境湿地大型底栖动物次级生产力的比较研究［J］. 生态学报， 2012， 32（20）： 6511–6518.
3	Liang Jianping， Ma Daxi， Mao Dehua， et al. Remote sensing based estimation of Phragmites australis aboveground biomass in Shuangtai estuary national nature reserve［J］. Remote Sensing for Land and Resources， 2016， 28（3）： 60–66.
3	梁建平，马大喜，毛德华，等. 双台河口国际重要湿地芦苇湿地生物量遥感估算［J］. 国土资源遥感， 2016， 28（3）： 60–66.
4	Li Yanfeng， Mao Dehua， Wang Zongming， et al. Remote sensing retrieval and spatial pattern analysis of leaf area index of Phragmites australis in Shuangtai estuary national nature reserve［J］. Wetland Science， 2014， 12（2）： 163–169.
4	李延峰，毛德华，王宗明，等. 双台河口国家级自然保护区芦苇叶面积指数遥感反演与空间格局分析［J］. 湿地科学， 2014， 12（2）： 163–169.
5	Wang Liwen， Wei Yaxing. Variation analysis about net primary productivity of the wetland in Panjin region［J］. Acta Ecologica Sinica， 2012， 32（19）： 6006–6015.
5	王莉雯，卫亚星. 盘锦湿地净初级生产力时空分布特征［J］. 生态学报， 2012， 32（19）： 6006–6015.
6	Ma Zeqing， Liu Qijing， Wang Huimin， et al. Productivity observation and simulation of pine forest （Pinus elliottii） in central tropical constructed wetland［J］. Scientia Sinica Terrae， 2008， 38（8）： 1005–1015.
6	马泽清，刘琪璟，王辉民，等. 中亚热带人工湿地松林（Pinus elliottii）生产力观测与模拟［J］. 中国科学D辑：地球科学， 2008， 38（8）： 1005–1015.
7	Dong Dan， Ni Jian. Modeling changes of net primary productivity of karst vegetation in southwestern China using the CASA model［J］. Acta Ecologica Sinica， 2011， 31（7）：1855–1866.
7	董丹，倪健. 利用CASA模型模拟西南喀斯特植被净第一性生产力［J］. 生态学报， 2011， 31（7）：1855–1866.6
8	Wu C， Han X， Ni J， et al. Estimation of gross primary production in wheat from in situ measurements［J］. International Journal of Applied Earth Observation and Geoinformation， 2010， 12： 183–189. DOI： 10.1016/j.jag.2010.02.006. doi: 10.1016/j.jag.2010.02.006
9	Irisarri J G N， Oesterheld M Q， Paruelo J M， et al. Pattern and controls of above-ground net primary production in meadows of patagonia， a remote sensing approach［J］. Journal of Vegetation Sciences，2012，23：114-126.DOI：10.1111/j.1654- 1103.2011.01326.x. doi: 10.1111/j.1654- 1103.2011.01326.x
10	Chen Jilong， He Lei， Wen Zhaofei， et al. Carbon sequestration potential of a phragmites salt marsh in the Liaohe river estuarine wetland［J］. Acta Ecologica Sinica， 2017， 37（16）： 5402-5410.
10	陈吉龙，何蕾，温兆飞，等. 辽河三角洲河口芦苇沼泽湿地植被固碳潜力［J］. 生态学报， 2017， 37（16）： 5402-5410.
11	Thevs N， Zerbe S， Gahlert E， et al. Productivity of reed （Phragmites australis Trin. ex Steud.） in continental-arid NW China in relation to soil， groundwater， and land-use［J］. Journal of Applied Botany and Food Quality-angewandte Botanik， 2007， 81（1）： 62-68.
12	Luo Ling， Mao Dehua， Zhang Bai， et al. Remote sensing estimation for light use efficiency of Phragmites australis based on landsat OLI over typical wetlands［J］. Geomatics and Information Science of Wuhan University， 2020，45（4）：524-533.
12	罗玲，毛德华，张柏，等. Landsat OLI 影像的典型湿地芦苇植被光能利用率遥感反演方法初探［J］. 武汉大学学报·信息科学， 2020，45（4）：524-533.
13	Mao Dehua， Wang Zongming， Han Jixing， et al. Spatio-temporal pattern of net primary productivity and its driven factors in Northeast China in 1982~2010［J］. Scientia Geographica Sinica， 2012， 32（9）： 1106-1111.
13	毛德华，王宗明，韩佶兴，等. 1982–2010年中国东北地区植被NPP时空格局及驱动因子分析［J］. 地理科学， 2012， 32（9）： 1106–1111.
14	Monteith J L. Solar radiation and productivity in tropical ecosystems［J］. Journal of Applied Ecology， 1972， 9： 747–766.
15	Monteith J L. Climate and the efficiency of crop production in britain［J］. Philosophical Transactions of the Royal Society of London. Series B， 1977， 281： 277–294.
16	Yang Fei， Zhang Bai， Song Kaishan， et al. Relationship between fraction of photosynthetically active radiation and vegetation indices， leaf area index of corn and soybean［J］. Acta Agronomica Sinica， 2008， 34（11）： 2046–2052.
16	杨飞，张柏，宋开山，等. 玉米和大豆光合有效辐射吸收比例与植被指数和叶面积指数的关系［J］. 作物学报， 2008， 34（11）： 2046–2052.
17	Wu C Y， Huang W J， Yang Q Y， et al. Improved estimation of light use efficiency by removal of canopy structural effect from the Photochemical Reflectance Index （PRI）［J］. Agriculture Ecosystems & Environment， 2015， 199： 333-338. DOI： 10.1016/j.agee.2014.10.017. doi: 10.1016/j.agee.2014.10.017
18	Soudani K， Delpierre N， Berveiller D， et al. A Survey of proximal methods for monitoring leaf phenology in temperate deciduous forests［J］. Biogeosciences， 2021， 18 （11）： 3391-3408. DOI： 10.5194/bg-18-3391-2021. doi: 10.5194/bg-18-3391-2021
19	Clevers J G P W， van Leeuwen H J C， Verhoef W. Estimating the fraction APAR by means of vegetation indices： a sensitivity analysis with a combined prospect-sail model［J］. Remote Sensing Reviews， 1994， 9（3）： 203-220.
20	Jia Qingyu， Zhou Li， Xie Yanbing， et al. Study on biomass dynamics of phragmites communis community in Panjin wetland［J］. Journal of Meteorology and Environment，2006，22（4）：25-29.
20	贾庆宇，周莉，谢艳兵，等. 盘锦湿地芦苇群落生物量动态特征研究［J］. 气象与作物学报， 2006， 22（4）：25-29.
21	Fang Jingyun， Liu Guohua， Xu Songling. Carbon bank of china's terrestrial ecosystem［M］∥ Wang Gengchen， Wen Yupu （eds）.In greenhouse gas concentration and emission monitoring and related processes. Beijing： China Environmental Science Press， 1996：391–397.［
21	方精云，刘国华，徐嵩龄. 中国陆地生态系统的碳库［M］∥ 王庚辰，温玉璞. 温室气体浓度和排放监测及相关过程. 北京：中国环境科学出版社，1996： 391–397.］
22	Yu Hongmin，Liu Henan，Pan Huasheng. Reasons for sharp reduction of Qixinghe wetland area in Heilongjiang province［J］. Journal of Natural Disasters， 2014， 23（6）： 234-239.
22	于宏敏，刘赫男，潘华盛，等. 黑龙江七星河湿地面积锐减原因的研究［J］. 自然灾害学报， 2014， 23（6）： 234-239.
23	Li Xuesong. Study on the health assessment of chagan lake［D］. Changchun： Jilin University， 2018.
23	李雪松. 查干湖湖泊健康评估研究［D］. 长春：吉林大学， 2018.
24	Li Mei， Xu Lanshan， Wang Xiaoyu， et al. The degradation analysis of reed and seepweed wetlands in Shuangtai estuary reserve［J］. Geomatics & Spatial Information Technology， 2020， 43（4）： 99–103， 107.
24	厉梅，徐兰珊，王晓宇，等.双台河口保护区芦苇和碱蓬湿地退化分析［J］.测绘与空间地理信息， 2020， 43（4）： 99–103， 107.
25	Zhao Xinsheng， Cui Lijuan， Li Wei， et al. Evaluation on impact from human activities on ecosystem of Shuangtaihekou wetland in Liaoning province［J］. Water Resources and Hydropower Engineering， 2017， 48（9）： 16–23.
25	赵欣胜，崔丽娟，李伟，等.人类活动对辽宁双台河口湿地生态系统影响评价［J］. 水利水电技术， 2017， 48（9）： 16–23.

[1]	孙景霞,张冬有,侯宇初. 基于多源遥感数据协同反演森林地表土壤水分研究[J]. 遥感技术与应用, 2021, 36(3): 564-570.
[2]	屈炀,袁占良,赵文智,陈学泓,陈家阁. 基于多时序特征和卷积神经网络的农作物分类[J]. 遥感技术与应用, 2021, 36(2): 304-313.
[3]	帅艳民,杨健,吴昊,邵聪颖,徐辛超,刘明岳,刘涛,梁继. 基于无人机观测的水稻冠层样方多角度反射特点分析[J]. 遥感技术与应用, 2021, 36(2): 342-352.
[4]	刘莹,朱秀芳,徐昆,陈令仪,郭锐. 干旱对灌溉和雨养农田生态系统生产力的影响对比分析[J]. 遥感技术与应用, 2021, 36(2): 381-390.
[5]	孙奇,关琳琳,焦全军,刘新杰,戴华阳. 基于植被指数融合的冬小麦生物量反演研究[J]. 遥感技术与应用, 2021, 36(2): 391-399.
[6]	杨昊翔,张丽,闫敏,林光辉. 基于高时空分辨率融合影像的红树林总初级生产力遥感估算[J]. 遥感技术与应用, 2021, 36(2): 453-462.
[7]	徐光志,徐涵秋. Sentinel⁃2A MSI 和Landsat 8 OLI两种传感器多光谱信息的交互对比[J]. 遥感技术与应用, 2021, 36(1): 165-175.
[8]	徐艳豪,刘晓龙,史正涛,高书鹏. 热带地区Landsat干季数据的无效像元修复方法研究[J]. 遥感技术与应用, 2020, 35(6): 1394-1403.
[9]	侯吉宇,周艳莲,刘洋. 不同叶面积指数遥感数据模拟中国总初级生产力的时空差异[J]. 遥感技术与应用, 2020, 35(5): 1015-1027.
[10]	王一帆,徐涵秋. 基于客观阈值与随机森林Gini指标的水体遥感指数对比[J]. 遥感技术与应用, 2020, 35(5): 1089-1098.
[11]	李宏达,高小红,汤敏. 基于CNN的不同空间分辨率影像土地覆被分类研究[J]. 遥感技术与应用, 2020, 35(4): 749-758.
[12]	李超,李雪梅,田亚林,任瑞. 温度植被干旱指数时空融合模型对比[J]. 遥感技术与应用, 2020, 35(4): 832-844.
[13]	王鑫蕊, 晋锐, 林剑, 曾祥飞, 赵泽斌. 有云Landsat TM/OLI影像结合DEM提取青藏高原湖泊边界的自动算法研究[J]. 遥感技术与应用, 2020, 35(4): 882-892.
[14]	刘婵,刘冰,赵文智,朱钊岑,司瑞. 中亚地区植被净初级生产力时空动态及其与气候因子关系[J]. 遥感技术与应用, 2020, 35(4): 924-933.
[15]	岳昂,曾庆伟,王怀警. 于桥水库蓝藻水华遥感长时序监测研究[J]. 遥感技术与应用, 2020, 35(3): 694-701.

Viewed

Full text

Abstract

Cited

Shared

Discussed