梁守真, 隋學艷,侯學會, 王 猛, 姚慧敏,馬萬棟

1 山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所,濟南 250100 2 中國科學院深圳先進技術研究院,深圳 518055 3 環(huán)境保護部衛(wèi)星環(huán)境應用中心,北京 100094

?

落葉闊葉林冠層光合有效輻射分量的遙感模擬與分析

梁守真1,2,*, 隋學艷1,侯學會1, 王 猛1, 姚慧敏1,馬萬棟3

1 山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所,濟南 250100 2 中國科學院深圳先進技術研究院,深圳 518055 3 環(huán)境保護部衛(wèi)星環(huán)境應用中心,北京 100094

冠層綠色葉片(光合組分)的光合有效輻射分量(綠色FPAR)真實地反映了植被與外界進行物質(zhì)和能量交換的能力,獲取冠層光合組分吸收的太陽光合有效輻射,對生態(tài)系統(tǒng)生產(chǎn)力的遙感估算精度的提高具有重要的意義。研究以落葉闊葉林為例,基于SAIL模型模擬森林冠層光合組分和非光合組分吸收的光合有效輻射,研究冠層FPAR變化規(guī)律以及與植被指數(shù)的相關關系。結(jié)果表明,冠層結(jié)構(gòu)的改變會影響冠層對PAR的吸收能力,冠層綠色FPAR的大小與植被面積指數(shù)及光合組分面積比相關；在高覆蓋度植被區(qū),冠層綠色FPAR占冠層總FPAR的80%以上,非光合組分的貢獻較小,但在低植被覆蓋區(qū),當光合組分和非光合組分面積相同時,綠色FPAR不及冠層總FPAR的50%；相比于NDVI,北方落葉闊葉林冠層EVI與綠色FPAR存在更為顯著的線性相關關系(R2>0.99)。

FPAR; 光合組分; NDVI; EVI; 落葉闊葉林

光合有效輻射吸收分量FPAR (Fraction of Absorbed Photosynthetically Active Radiation) 是指植被吸收的光合有效輻射PAR (Photosynthetically Active Radiation)在入射PAR中所占的比例。它表征了植被冠層對太陽光能的截獲、吸收能力,是陸地碳循環(huán)研究中的一個重要參數(shù)[1- 2]。植被冠層FPAR主要通過兩種途徑獲?。旱孛娑ㄎ挥^測和基于遙感數(shù)據(jù)的反演[3]。相對于地面定位觀測,遙感可同步獲取不同位置的FPAR,時空性好,是當前獲取區(qū)域、全球尺度FPAR 的唯一可行手段。目前FPAR遙感反演研究的重點在于如何提高反演精度,使其能真正反映植被吸收太陽輻射、進行光合作用的能力[4]。

植被冠層由葉片和木本組織組成,按照能否進行光合作用,可分為光合組分PAV (Photosynthetically Active Vegetation,綠色葉片)和非光合組分NPV (Non-Photosynthetically Active Vegetation,如樹枝等木本部分)[5- 7]。NPV與PAV無論是組織結(jié)構(gòu)還是輻射特性,都顯著不同[8]。光合組分吸收PAR進行光合作用,對生物量的累積起著關鍵作用；非光合組分也吸收PAR,但它并不進行光合作用,或者即使能進行光合作用也只是對其呼吸釋放碳的再固定,其光合作用并不增加生態(tài)系統(tǒng)的總初級生產(chǎn)力GPP[9- 12]。森林冠層中正確估算冠層有效的PAR,需要區(qū)分來自不同組分的PAR,提取冠層PAV的FPAR (FPARPAV),即綠色FPAR。在早期的研究中,草地綠色FPAR被描述為綠色生物量占總生物量的比例與冠層總FPAR的乘積,通過計算綠色生物量的比率計算綠色FPAR[13]。但是森林冠層比草地復雜,冠層NPV和PAV分離困難,因此,其綠色FPAR的研究多采用輻射傳輸模型模擬和實驗室測量的方法[7-8,14]。Xiao等將森林冠層綠色FPAR描述為增強型植被指數(shù)EVI(Enhanced Vegetation Index)的線性函數(shù),但是并未從機理上給出兩者之間的定量關系,因此Xiao 等認為需要進一步研究綠色FPAR 的光譜探測機理,以更好地定量描述植被指數(shù)與綠色FPAR 之間的關系[15]。

輻射傳輸模型可模擬太陽光子在植被內(nèi)部的傳輸過程與作用機制,它的出現(xiàn)和發(fā)展為冠層的分離提供了可能。本研究以北方落葉闊葉林為研究對象,從輻射傳輸模型SAIL(Scattering by Arbitrary Inclined Leaves)出發(fā),建立冠層光譜和FPAR模擬數(shù)據(jù)集,分析冠層綠色FPAR (FPARPAV)的特征及其與冠層光譜之間的相關關系。主要目標包含兩個方面,一是確定森林冠層綠色FPAR隨冠層結(jié)構(gòu)的變化特征；二是分析綠色FPAR與冠層光譜以及植被指數(shù)的關系,探討綠色FPAR (FPARPAV)的機理和可能的估算方法。

1 方法

1.1 模型

輻射傳輸模型是目前相對成熟的基于物理光學基礎的模型,它可比較系統(tǒng)、完整地描述植被冠層與入射輻射之間相互作用過程和特征,被廣泛應用于遙感FPAR的理論和反演研究[16-17]。SAIL模型是輻射傳輸模型的典型代表,是Verhoef在對Suits 模型進行改進的基礎上提出的四流輻射傳輸模型[18]。該模型將植被冠層假定為方位隨機分布、水平均勻無限擴展的混濁介質(zhì),只在垂直方向上有限變化。冠層可分為一層或多層,每層中的植被光學特性參數(shù)和結(jié)構(gòu)特性參數(shù)為常數(shù),并且每層的植被元素視作吸收和散射微粒,考慮了多次散射的作用。該模型可以完美地描述連續(xù)植被冠層的光學特性,被遙感學術界廣泛應用[19]。但由于SAIL模型將冠層假設為混沌介質(zhì),沒有考慮離散冠層的集聚效應以及冠層之間的遮蔽效應[20],被認為在模擬離散的森林冠層時存在一定的局限。離散森林的冠層表現(xiàn)為不同形狀的非均質(zhì)結(jié)構(gòu),具有強烈的三維效應,需要借助三維模型才能描述復雜冠層的輻射機制,但依據(jù)當前的條件,建立完善的描述陸地生態(tài)系統(tǒng)結(jié)構(gòu)的三維模型仍不太現(xiàn)實,且三維模型計算更加復雜,運算耗時長[19]。Gobron在模擬時發(fā)現(xiàn)三維效應引起的擾動相當穩(wěn)定,并且Widlowski的研究也發(fā)現(xiàn)一維模型幾乎可模擬三維模型生成的反射率[21-22]。因此,復雜冠層水平一致性的簡化假設并不會導致一維SAIL模型失效[19]。此外,對于常用的遙感影像,如Landsat/TM、MODIS、MERIS、SPOT/VEGETATION數(shù)據(jù),其空間分辨率通常較低,并無法分辨出單個冠層,在這一分辨率下,將像元看作水平均一的介質(zhì)可能會獲得更好的效果[23- 25]。SAIL模型的分層假設,使其可以計算每個層吸收的PAR[20]。但目前在大多數(shù)研究在應用SAIL模型時,整個冠層被視為一個層,組分在層內(nèi)隨機分布。如果將冠層中的每個組分分離到單獨的層中,分別計算,而不是將其混合為單個層,則可確定每個組分吸收的PAR,從而計算出每個組分的FPAR。

在本研究中,針葉林冠層被分解為兩層,第一層為PAV(葉片)層,第二層為NPV(樹枝)層。 SAIL模型程序?qū)㈨攲拥南滦腥肷渫?即太陽輻射通量)設為1.0,冠層的綠色FPAR (FPARPAV)可通過葉片層內(nèi)通量的輸入與輸出平衡來計算：

FPAR = FLUX3(1)+FLUX2(1)-FLUX1(1)-FLUX3(2)- FLUX2(2)+FLUX1(2)

(1)

式中,FLUX1為上行散射通量,FLUX2為下行散射通量,FLUX3為下行直射通量(1.0)；“()”中數(shù)字表示層號,1為頂層。

SAIL模型的輸入?yún)?shù)包括冠層組分光譜(反射率和透射率)、冠層結(jié)構(gòu)(組分傾角分布、組分面積指數(shù))、土壤反射率、太陽天頂角、觀測幾何參數(shù)(觀測天頂角和相對方位角) 以及入射輻射漫輻射比,其輸出包括冠層反射率和每個層的輸入輸出通量。植被面積指數(shù)PAI(Plant Area Index)包括樹枝和葉片面積指數(shù),對于非光合組分,其面積指數(shù)占冠層PAI的比例在0.02—0.5之間變化(冬季除外)[20,26-27],本研究設置了7種不同的場景,葉片層面積指數(shù)占冠層PAI的比例分別為0.5,0.6,0.7,0.8,0.9,0.95,0.98。各參數(shù)值如表1和圖1所示。

PAV: Photosynthetically active vegetation; NPV: Non-photosynthetic vegetation

圖1 SAIL模型采用的冠層組分和土壤光譜 Fig.1 The spectrum of canopy components and soil used in SAIL model

研究所采用的落葉闊葉林(白橡、白楊和紅榿)冠層組分樹枝和葉片光譜來自NASA ORNL DAAC。其中白楊冠層組分樣本采自于明尼蘇達超級國家森林公園SNF(Superior National Forest in Minnesota),白橡和紅榿冠層組分來自俄勒岡森林樣帶OTTER(Oregon Transect Ecosystem Research)。研究人員分別在1984年和1990年夏季(生長旺盛期)對森林冠層組分樣本采樣,并在實驗室內(nèi)利用LiCor積分球和Cary- 14光譜儀測量其反射率和透射率[28-29]。本研究對收集的3種闊葉林的高光譜光譜進行平均,并以平均的方法計算3個寬波段藍波段(459—479nm)、紅波段(620—670nm)、近紅外波段(841—876nm)以及PAR波段(400—700nm)的反射率和透射率。土壤光譜數(shù)據(jù)取自約翰·霍普金斯大學 (Johns Hopkins University)采集的淺灰色粉砂壤光譜,其數(shù)據(jù)處理方法與冠層組分光譜相同。

1.2 植被指數(shù)

基于植被指數(shù)反演冠層FPAR是遙感領域常用的一種方式,也有研究人員采用實地測量的LAI構(gòu)建反演模型[30- 32]。由于大部分儀器測量并不能區(qū)分葉片和木本組織,測量值多為反映植被冠層總FPAR的量,導致當前的大多數(shù)模型是建立在冠層總FPAR和波譜植被指數(shù)之間。在當前的植被冠層FPAR遙感研究中,以紅波段、近紅波段等為主構(gòu)建的植被指數(shù)被廣泛應用,包括NDVI[33- 35]、EVI[10,36- 38]、DVI[39]等,其中使用最多的是NDVI。在本研究中,NDVI和EVI兩種植被指數(shù)被選用。NDVI和EVI是MODIS植被指數(shù)產(chǎn)品中的兩個指數(shù),NDVI對葉綠素敏感,而EVI對植被冠層結(jié)構(gòu)更加敏感,兩者互為補充[40-41]。其公式分別如下：

(2)

(3)

式中,RNIR,RRed,RBlue分別對應MODIS傳感器的近紅外波段(841—876nm)、紅波段(620—670nm)和藍波段(459—479nm)的反射率。

2 結(jié)果

2.1 冠層總FPAR與綠色FPAR

總FPAR反映了植被冠層吸收的太陽PAR的比例。模擬顯示,冠層總FPAR在分層模擬和與單層模擬結(jié)果一致,FPARPAV和FPARNPV(綠色FPAR)之和與單層的冠層FPAR相等。落葉闊葉林冠層總FPAR隨PAI、PAV的面積比(PAV面積占冠層PAI的比例)的變化而變化(圖2)。在同一PAV面積比條件下,PAI的增加會提高落葉闊葉林冠層的總FPAR。在設定情景下,冠層總FPAR的最大值為0.958(PAI=7,PAV面積比為0.98)?？侳PAR的增加速率隨著PAI的增加而逐漸減小,即在低PAI情況下,冠層總FPAR隨PAI增加迅速,而在高PAI情況下,冠層總FPAR增加緩慢。例如當PAI從0.5增加到1時,總FPAR增加值超過0.20；而PAI從6增加到7,冠層總FPAR最大增加量僅為0.012(PAV面積比為0.98時)。當PAI<7時,在相同的PAI條件下,PAV面積所占比重越高,冠層總FPAR值越小,而在PAI為7時,冠層總FPAR在PAV為0.98時最大。

圖2 闊葉林冠層總FPAR和綠色FPAR Fig.2 The change of total FPAR and FPARPAV of canopy

對于光合組分的FPAR,其變化特征與冠層總FPAR存在一定差異。在同一PAI下,PAV比重越大,FPARPAV越大。 FPARPAV隨PAV的變化幅度與PAI有關。在PAI為2 時,增幅最為明顯,表現(xiàn)為PAV面積比每增加0.1,FPARPAV增加超過0.03；而PAI為0.1時,PAV面積比增加相同的量,FPARPAV僅增加0.006。在同一PAV面積比下,FPARPAV隨PAI的增加而增加,在PAI為7時,FPARPAV達到最大值。

在設定情景下,FPARPAV占總FPAR的比例在43.07%—99.74%之間波動(圖3)。PAI和PAV面積比的增加都可提高FPARPAV在冠層總FPAR的比重。但PAI的變化會影響FPARPAV比率的變動幅度。在低PAI(0—1)情況下,FPARPAV占總FPAR的比重隨著PAV面積比的增加迅速增加,從45.86%增加到97.56%；而在高PAI(5—7)情況下,當PAV面積比從0.5增加到0.98時,FPARPAV的比重僅增加了16.8%,其增幅低于低PAI時增加量。并且在高覆蓋度情況下,FPARPAV占總FPAR的比重超過80%,當冠層PAV面積比為0.98時,FPARPAV占總FPAR的99.60%,兩者非常接近。但是在低植被覆蓋度情況下,FPARPAV占總FPAR的比重明顯低于總FPAR,尤其是當PAI面積比為0.5時,僅占總FPAR的45.86%。

圖3 冠層FPARPAV比率與植被面積指數(shù),PAV面積比的關系Fig.3 The relationship between percent FPARPAV and Plant area index,percent PAV area

2.2 落葉闊葉林冠層波譜

根據(jù)圖4,在藍波段、紅波段和近紅外波段,隨著波長的增加,落葉闊葉林冠層的反射率逐漸升高。冠層在藍波段有較低的反射率,最高僅為0.074(PAI =0.1,PAV面積比為0.98)；而在近紅外波段有高的反射率,超過0.36。在不同的波段冠層反射率對PAI和組分比例的響應存在一定的差異。在藍、紅波段,冠層反射率主要受PAI的影響,組分比例的變動對冠層反射率的影響甚微。隨著PAI的增加,冠層在兩個波段的反射率值逐漸降低,尤其是紅波段反射率下降明顯,從25.04%降低到2.33%。在近紅外波段,冠層反射率對NPV面積比和PAI都非常敏感。在冠層PAI恒定時,隨著PAV比例的升高,冠層反射率升高,這種現(xiàn)象在中等覆蓋度時最為顯著。如PAI=3時,隨這PAV比例從0.5增加到0.98,冠層在近紅外的反射率分別為0.3256、0.3375、0.3495、0.3618、0.3746、0.3814、0.3856。在同一PAV面積比情況下,在PAI為2時最低,PAI為7時最高(0.41)。藍波段和紅波段與近紅外波段反射率之間的差異隨著PAI的增加逐漸加大,這種變化特征獨立于與冠層組分比例。

圖4 冠層結(jié)構(gòu)對冠層反射率的影響Fig.4 The influence of canopy structure on canopy reflectance

2.3 植被指數(shù)與FPAR關系

根據(jù)圖5,相同條件下,NDVI總是大于EVI,冠層NDVI和EVI都隨著PAI的增加而升高。當PAI較低和較高時,NDVI對PAV的變化不敏感,但在中等覆蓋度條件下(3

圖5 植被指數(shù)與冠層結(jié)構(gòu)的關系Fig.5 The relationship between vegetation indices and canopy architecture

無論NDVI還是EVI,它們與冠層總FPAR都有非常顯著的相關關系(R2>0.9)(圖6),但NDVI與總FPAR之間關系對PAV面積比的變化并不敏感,意味著冠層PAV面積比的波動不會影響NDVI與冠層FPAR的關系；但在中高覆蓋度條件下,冠層PAV面積比的變動會對 EVI與冠層總FPAR的關系產(chǎn)生影響。在PAV面積比為0.5時,EVI與冠層總FPAR之間線性方程的R2為0.9978,而在PAV面積比為0.98時,R2為0.9982?？傮w上表現(xiàn)為PAV比例越高,R2越大,EVI與冠層總FPAR的關系越緊密。NDVI、EVI與FPARPAV也表現(xiàn)出了顯著的線性關系(圖7),但相比于NDVI,EVI與FPARPAV有更高的相關系數(shù),并且即使在高覆蓋度情況下,線性關系仍舊顯著,而在此情況下,NDVI與FPARPAV開始表現(xiàn)為非線性關系。

圖6 冠層總FPAR與植被指數(shù)的關系Fig.6 The relationship between total FPAR and vegetation indices

圖7 冠層FPARPAV與植被指數(shù)的關系Fig.7 The relationship between FPARPAV and vegetation indices

3 結(jié)論與討論

3.1 PAV對冠層FPAR的貢獻

森林冠層由光合組分PAV和非光合組分NPV組成,冠層總FPAR包含了冠層PAV和NPV的貢獻。PAV吸收的PAV決定了植被冠層可進行光合作用的能量, 冠層PAV對冠層總FPAR的貢獻與冠層結(jié)構(gòu)有關。落葉闊葉林冠層有顯著的季節(jié)變化,冠層PAI和組分比例年內(nèi)波動明顯。在春季,葉片初長,其數(shù)量和葉片面積都較小,此時PAI以及PAV占PAI的比重都較低；夏季是闊葉林的生長旺盛期,冠層PAI和PAV面積高且穩(wěn)定,通常PAI保持在4以上；在秋季,隨著生長季逐漸結(jié)束,落葉闊葉林葉片開始枯落,PAI和PAV逐漸降低[42-43]。冠層結(jié)構(gòu)的這種季節(jié)變動極大地影響了FPARPAV占冠層總FPAR的比例。基于模擬結(jié)果發(fā)現(xiàn),在低PAI(0—1)和低PAV面積比(0.5)時, FPARPAV甚至不及冠層總FPAR的一半。因此,在初春和秋末冬初,由于較低的葉面積指數(shù)(落葉林通常在冬季處于休眠狀態(tài),光合作用可忽略)和PAV面積比,冠層吸收的FPAR有很大一部分來自NPV,能有效用于光合作用的能量比重較低。而在闊葉林生長旺盛的夏季,PAI和PAV面積通常很高[19],此時,FPARPAV占冠層總FPAR的比重不低于1%,NPV對冠層FPAR的貢獻低。所以,在春初和秋末冬初,FPARPAV與總FPAR差距較大,以冠層總FPAR估算GPP必將產(chǎn)生較大誤差,導致GPP被高估；但在夏季森林植被茂密的情況下,NPV對冠層吸收的PAR貢獻低,FPARPAV接近總FPAR,以總FPAR代替有效FPAR估算GPP,盡管也會導致結(jié)果偏高但偏差較小。

3.2 綠色FPAR(FPARPAV)與植被指數(shù)關系

冠層結(jié)構(gòu)的變化會對冠層光譜產(chǎn)生影響,進而影響到NDVI和EVI。兩種植被指數(shù)都隨著PAI的增加而增加,但NPV的增加會導致植被指數(shù)值降低。根據(jù)光譜模擬結(jié)果可知,隨著PAI的增加,冠層近紅外波段反射率增加而紅波段和藍波段反射率降低,而兩種植被指數(shù)主要由近紅外波段與兩個可見光波段的差值來決定,因此,它們必然會與PAI有正相關關系。NPV和PAV比例的變動對近紅外波段反射率影響明顯,表現(xiàn)為PAV面積比的增加提高近紅外反射率,而紅波段和藍波段反射率對PAV比例的變化不敏感。植被冠層的這種波譜特征可從冠層組分與光的相互作用來解釋。在可見光的藍、紅波段,健康植被組分,無論是PAV還是NPV,主要表現(xiàn)為吸收,反射和透射都比較低,導致冠層可見光部分的反射能力受組分比例的影響小。而在近紅外波段,冠層葉片透射性強,光子可最大程度上與NPV相互作用,NPV并不產(chǎn)生透射[44-45],這使得近紅外反射率的幅度降低。

用植被指數(shù)反演冠層FPAR是當前FPAR研究的一個重要方法,但是反演值多為冠層總FPAR?；谠O定情景下的模擬數(shù)據(jù)發(fā)現(xiàn),無論是冠層總FPAR還是FPARPAV,它們與NDVI、EVI之間都存在顯著的線性相關關系,似乎基于NDVI和EVI可實現(xiàn)FPARPAV的估算。但是應該注意的是,這種關系是建立在假定NPV面積比例保持恒定不變的基礎上,其可靠性和穩(wěn)定性需要更多的數(shù)據(jù)來證明?，F(xiàn)實中,落葉闊葉林PAV占PAI的比重有明顯的季節(jié)性,在春季,它隨著葉片的生長和增加逐漸增加,夏季達到最低值,秋季由于葉片的逐漸枯落,PAV面積比又開始逐漸降低。對于成熟的落葉闊葉林來說,從春季到夏季,其PAI的增加和降低主要來自葉片的生長,而從夏季到秋季,冠層PAI 的降低同樣主要由葉片的枯落造成[46]。盡管NPV部分也將隨著葉片的生長也會擴展,但其生長的速度和增加量難以和葉片相比,因此,將落葉闊葉林的NPV的面積指數(shù)視為定值是合理的。以固定的NPV面積指數(shù)值模擬冠層波譜和FPAR,建立模擬數(shù)據(jù)集。在冬季,落葉闊葉林冠層葉片已經(jīng)枯落,僅有NPV部分,可用該階段的PAI代表冠層NPV面積指數(shù)。根據(jù)黃玫和季勁鈞的研究,落葉闊葉林冬季植被面積指數(shù)大約在0.5[42],基于此我們對數(shù)據(jù)重新模擬,冠層PAI被設定為1到7變化,其他參數(shù)保持不變。

圖8 落葉闊葉林冠層植被指數(shù)與綠色FPAR的關系 Fig.8 The relationship between vegetation indices and canopy FPARPAV

結(jié)果如圖8所示,無論是NDVI還是EVI,它們與FPARPAV都存在顯著相關關系,但EVI與FPARPAV有更高的相關系數(shù)(R2=0.99),并且在高植被覆蓋情況下,NDVI與FPARPAV的散點圖呈現(xiàn)非線性關系。因此,相比于NDVI, EVI能更好描述冠層FPARPAV,更適于估算冠層FPARPAV,這種結(jié)果從理論上支持了Xiao的假設[5]。

4 結(jié)論

本研究通過設置不同情景,應用物理模型SAIL模型,采用分層的方法開展冠層FPAR模擬,包括冠層總FPAR、光合組分FPAR以及非光合組分FAPR,并分析它們與NDVI、EVI的相關關系。得到以下結(jié)論：

(1)落葉闊葉林冠層FPAR受冠層結(jié)構(gòu)影響顯著,冠層綠色FPAR隨PAI和PAV面積比的增加而增加。在低植被覆蓋區(qū),冠層綠色FPAR所占比重低,非光合組分的存在對冠層FPAR的影響大于高植被覆蓋區(qū)。

(2)落葉闊葉林冠層FPAR與植被指數(shù)之間存在顯著的相關關系,相比于NDVI, EVI能更好描述冠層綠色FPAR。

在模擬時,對冠層做了一定的假設,且沒有考慮背景變化的影響。在高覆蓋度地區(qū),光子穿透冠層到達地面的數(shù)量較少,背景的變化對冠層FPAR和反射光譜影響比較小,但是對于低覆蓋區(qū),太陽光經(jīng)過冠層到達地面的比例會較高,地面反射率的高低會影響再次進入冠層的光子量,因此背景的差異會引起冠層FPAR和光譜的變動。

致謝：感謝ORNL DAAC提供冠層相關數(shù)據(jù)。

[1] Cramer W, Kicklighter D W, Bondeau A, Iii B M, Churkina G, Nemry B, Ruimy A, Schloss A. Comparing global models of terrestrial net primary productivity (NPP): Overview and key results. Global Change Biology, 1999, 5(S1):1- 15.

[2] Fensholt R, Sandholt I, Rasmussen M S. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements.Remote Sensing of Environment, 2004, 91(3/4): 490- 507.

[3] 董泰鋒, 蒙繼華, 吳炳方.基于遙感的光合有效輻射吸收比率(FPAR)估算方法綜述.生態(tài)學報, 2012,32(22): 7190- 7201.

[4] 侯湖平. 基于遙感的煤礦區(qū)植被凈初級生產(chǎn)力變化的監(jiān)測與評價.徐州:中國礦業(yè)大學,2010:59

[5] Xiao X M, Hollinger D, Aber J, Goltz M, Davidson E A, Zhang Q Y, Moore III. Satellite-based modeling of gross primary production in an evergreen needleleaf forest. Remote Sensing of Environment, 2004, 89(4): 519- 534.

[6] Schoettker B, Phinn S, Schmidt M. How does the global Moderate Resolution Imaging Spectroradiometer (MODIS) fraction of photosynthetically active radiation (FPAR) product relate to regionally developed land cover and vegetation products in a semi-arid Australian savanna?. Journal of Applied Remote Sensing, 2010, 4(1):043538.

[7] Zhang Q Y, Xiao X M, Braswell B, Linder E, Baret F, Moore III B. Estimating light absorption by chlorophyll, leaf and canopy in a deciduous broadleaf forest using MODIS data and a radiative transfer model. Remote Sensing of Environment, 2005, 99(3): 357- 371.

[8] Serrano L, Gamon J A, Peuelas J. Estimation of canopy photosynthetic and nonphotosynthetic components from spectral transmittance. Ecology, 2000, 81(11): 3149- 3162

[9] Goward S N, Huemmrich K F. Vegetation canopy PAR absorptance and the normalized difference vegetation index: an assessment using the SAIL model. Remote Sensing of Environment,1992,39(2):119- 140．

[10] Xiao X M. Light Absorption by leaf chlorophyll and maximum light use efficiency. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1933- 1935

[11] 王文杰,祖元剛,王慧梅. 林木非同化器官樹枝(干)光合功能研究進展.生態(tài)學報,2007,27(4):1583- 1595.

[12] 許慧男.樹枝與葉片綠色組織C4酶相關光合特性差異.哈爾濱: 東北林業(yè)大學, 2010:1

[13] Hall F G, Huemmrich K F, Goetz S J,Sellers P J, Nickeson J E.. Satellite remote sensing of surface energy balance: Success, failures, and unresolved issues in FIFE. Journal of Geophysical Research: Atmospheres 1992;97(D17):19061- 19089.

[14] 高彥華,陳良富,柳欽火, 顧行發(fā), 田國良. 葉綠素吸收的光合有效輻射比率的遙感估算模型研究.遙感學報, 2006, 10(5): 798- 803

[15] Xiao X M, Zhang Q Y, Hollinger D, Aber J, Moore B. Modeling gross primary production of an evergreen needleleaf forest using MODIS and climate data. Ecological Applications, 2005, 15(3): 954- 969.

[16] 李剛.呼倫貝爾溫帶草地FPAR/LAI遙感估算方法研究.北京:中國農(nóng)業(yè)科學院,2009:7.

[17] 趙英時. 遙感應用分析原理與方法.北京:科學出版社, 2003:317

[18] Verhoef W. Light scattering by leaf layers with application to canopy reflectance modeling: the SAIL model. Remote Sensing of Environment, 1984, 16(2): 125- 141.

[19] Jacquemoud S, Verhoef W, Baret F, Bacour C, Zarco-Tejada P J, Asner G P, Fran?ois C, Ustin S L. PROSPECT + SAIL models: A review of use for vegetation characterization. Remote Sensing of Environment, 2009, 113(S1):S56-S66

[20] Huemmrich K F, Goward S N. Vegetation canopy PAR absorptance and NDVI: An assessment for ten tree species with the SAIL model. Remote Sensing of Environment, 1997, 61(2): 254- 269.

[21] Gobron N, Pinty B, Aussedat O, Chen J M, Cohen W B, Fensholt R, Gond V, Huemmrich K F, Lavergne T, Mélin F, Privette J L, Sandholt I, Taberner M, Turner D P, Verstraete M M, Widlowski J L. Evaluation of fraction of absorbed photosynthetically active radiation products for different canopy radiation transfer regimes: Methodology and results using Joint Research Center products derived from SeaWiFS against ground-based estimations. Journal of Geophysical Research: Atmospheres, 2006, 111(D13): D13110

[22] Widlowski J L, Pinty B, Lavergne T, Verstraete M M, Gobron N. Using 1-D models to interpret the reflectance anisotropy of 3-D canopy targets: Issues and caveats. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(9):2008- 2017.

[23] Bacour C, Baret F, Béal, D, Weiss M, Pavageau K. Neural network estimation of LAI, fAPAR, fCover and LAI × Cab, from top of canopy MERIS reflectance data: Principles and validation. Remote Sensing of Environment, 2006,105(4):313- 325.

[24] Weiss M, Baret F, Garrigues S, Lacaze R. LAI and fAPAR CYCLOPES global products derived from VEGETATION. part 2: Validation and comparison with MODIS Collection 4 products. Remote Sensing of Environment, 2007, 110(3): 317- 331.

[25] 肖艷芳,周德民,趙文吉.輻射傳輸模型多尺度反演植被理化參數(shù)研究進展. 生態(tài)學報, 2013,33(11):3291- 3297.

[26] Laurent V C E, Verhoef W, Clevers J G P W, Schaepman M E. Inversion of a coupled canopy-atmosphere model using multiangular top-of-atmosphere radiance data: A forest case study.Remote Sensing of Environment, 2011, 115(10): 2603-2612.

[27] Li W, Fang H L. Estimation of direct, diffuse, and total FPARs from Landsat surface reflectance data and ground-based estimates over six FLUXNET sites. Journal of Geophysical Research: Biogeosciences, 2015,120(1): 2014JG002754.

[28] Hall F G., Huemmrich K F, Strebel D E, Goetz S J,Nickeson J E, Woods K D. Biophysical, morphological, canopy optical property, and productivity data from the Superior National Forest. NASA, Technical Memorandum TM- 104568. (1992)

[29] Dungan J. Field Spectroradiometer Calibration Progress Report, Interoffice Memorandum, NASA/Ames Research Center, 5 January 1991

[30] Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data.Journal of Geophysical Research.1994, 99(D3): 5263- 5283

[31] Wiegand C T, Maas S J, Aase J K, Hatfield J L, Pinter Jr P J, Jackson R D, Kanemasu E T, Lapitan R L. Multisite analyses of spectral-biophysical data for wheat. Remote Sensing of Environment, 1992, 42(1): 1- 21.

[32] Running S W, Nemani R R, Heinsch F A, Zhao M S, Reeves M, Hashimoto H. A continental zatellite-derived measure of global terrestrial primary production. Bioscicnce,2004,54(6):547- 560.

[33] Steinberg Daniel C, Goetz Steinberg S J G, Hyer E J. Validation of MODIS F/sub PAR/ products in Boreal forests of Alaska. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1818- 1828.

[34] Friedl M A, Davis F W, Michaelsen J, Moritz M A. Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables: an analysis using a scene simulation model and data from FIFE. Remote Sensing of Environment, 1995, 54(3): 233- 246.

[35] Myneni R B, Williams D L. On the relationship between FAPAR and NDVI. Remote Sensing of Environment,1994,49(3): 200- 211.

[36] 陳雪洋,蒙繼華,吳炳方, 朱建軍, 杜鑫, 張飛飛, 紐立明. 基于HJ- 1CCD 的夏玉米FPAR 遙感監(jiān)測模型.農(nóng)業(yè)工程學報,2010,26 (S1): 241- 245.

[37] King D A, Turner D P, Ritts W D. Parameterization of a diagnostic carbon cycle model for continental scale application. Remote Sensing of Environment, 2011, 115(7): 1653- 1664

[38] Nakaji T, Ide R, Oguma H, Saigusa N, Fujinuma Y. Utility of spectral vegetation index for estimation of gross CO2flux under varied sky conditions. Remote Sensing of Environment, 2007, 109(3): 274- 284.

[39] Roujean J L,Breon F M. Estimating PAR absorbed by vegetation from bidirectional reflectance measurements. Remote Sensing of Environment, 1995, 51(3):375- 384.

[40] Gitelson A A, Kaufman Y J, Merzlyak M N. Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment, 1996, 58(3): 289- 298.

[41] Huete A R, Liu H Q, Batchily K, van Leeuwen W. A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, 1997, 59(3):440- 451.

[42] 黃玫,季勁鈞.中國區(qū)域植被葉面積指數(shù)時空分布—機理模型模擬與遙感反演比較.生態(tài)學報,2010, 30(11): 3057- 3064.

[43] 柳藝博,居為民,陳鏡明, 朱高龍, 邢白靈, 朱敬芳, 何明珠. 2000—2010年中國森林葉面積指數(shù)時空變化特征.科學通報,2012,57(16): 1435- 1445.

[44] van Leeuwen W J D, Huete A R. Effects of standing litter on the biophysical interpretation of plant canopies with spectral indices. Remote Sensing of Environment, 1996, 55(2): 123- 138.

[45] Asner G P, Wessman C A and Archer S. Scale dependence of absorption of photosynthetically active radiation in terrestrial ecosystems. Ecological Applications,1998, 8(4): 1003- 1021.

[46] Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the earth observing system. New York: Springer-Verlag, 2000, 44- 57.

Simulation and analysis on green fraction of absorbed photosynthetically active radiation of deciduous broadleaved forests canopy through remote sensing model

LIANG Shouzhen1,2,*, SUI Xueyan1,HOU Xuehui1, WANG Meng1, YAO Huimin1, MA Wandong3

1ShandongInstituteofAgriculturalSustainableDevelopment,Ji′nan250100,China2ShenzhenInstituteofAdvancedTechnology,ChineseAcademyofSciences,Shenzhen518055,China3SatelliteEnvironmentCenter,MinistryofEnvironmentalProtection,Beijing100094,China

The fraction of absorbed photosynthetically active radiation (FPAR) is an important biophysical variable, widely used in satellite-based production efficiency models to estimate global primary production(GPP) or net primary production. To the forest, the vegetation canopy is composed primarily of photosynthetically active vegetation (PAV; green leaf) and non-photosynthetic vegetation (NPV; e.g., branches and stems). They absorb photosynthetically active radiation(PAR) from the sun, but only the PAR absorbed by PAV is used for photosynthesis. Remote sensing-driven biogeochemical models that use green FPAR(FPARPAV) in estimating GPP are more likely to be consistent with plant photosynthesis processes. However, there are no field and laboratory experiments to measure green FPAR at the canopy level. In this study, a method based on the radiative transfer model was used, and the scattering by arbitrary inclined leaves (SAIL) model was modified to classify forest canopy, and to model the canopy spectral reflectance and the PAR absorbed by PAV and NPV of three deciduous broadleaved forests in different scenarios (varied plant area index and leaf area index). Green FPAR of the canopy was calculated based on the PAR absorbed by PAV and total PAR, and the characteristics of the green FPAR and the relation between green FPAR and two vegetation indices (normalize difference vegetation index [NDVI] and enhanced vegetation index [EVI]) were analyzed. Our results showed that the variation in canopy structure influenced the canopy absorption of PAR, and that green FPAR was related to the plant area index and the ratio of leaf area index to plant area index. In high-coverage forests, the green FPAR was close to the total FPAR of the vegetation canopy(>80%) and the contribution of NPV to the total FPAR is very low. In contrast, in low-coverage forests or open forests, the difference between green FPAR and the total FPAR was large. Especially when the proportion of the leaf area to plant area low(0.5), the ratio of the green FPAR to the total FPAR was 45.86%. The significant relationships were found between two vegetation index (NDVI and EVI) and green FPAR, but compared with NDVI, EVI was more suitable for describing the variation in the green FPAR.

FPAR; photosynthetically active vegetation; NDVI; EVI; deciduous broadleaved forests

國家自然科學基金(41401407); 山東省農(nóng)業(yè)重大應用技術創(chuàng)新項目(1-05-04)

2016- 03- 08; 網(wǎng)絡出版日期:2017- 02- 17

10.5846/stxb201603080405

*通訊作者Corresponding author.E-mail: szliang_cas@163.com

梁守真, 隋學艷,侯學會, 王猛, 姚慧敏,馬萬棟.落葉闊葉林冠層光合有效輻射分量的遙感模擬與分析.生態(tài)學報,2017,37(10):3415- 3424.

Liang S Z, Sui X Y,Hou X H, Wang M, Yao H M, Ma W D.Simulation and analysis on green fraction of absorbed photosynthetically active radiation of deciduous broadleaved forests canopy through remote sensing model.Acta Ecologica Sinica,2017,37(10):3415- 3424.