基于遥感信息的fAPAR估算生态系统尺度NPP
基于航空遥感数据，比较研究了不同植被冠层的fAPAR与7个植被指数之间的关系(Inoue et al.， 2001)。在这个实验中，精确校准的空间分辨率的航空光学测量与地面高光谱和详细的植物测量同时获得。这可能是调查植被指数和fAPAR之间现实关系的有用案例研究，因为很少有基于精确的地面数据和航空遥感数据的生态系统或景观尺度的实验研究。
4.2.1实验场地
在国家科学院的农田里进行了一项实验研究农业研究中心(筑波，日本;北纬36°010，东经140°070，海拔25米)及周边农田。整个区域面积约为60平方公里，包括广泛的农作物田地(水稻、大豆、玉米、花生等)和自然植被区域(树木、草坪、灌木丛等)。
4.2.2机载和地面遥感测量
使用机载多光谱扫描仪(AZM, Nakanihon-kouku, Co. Inc, Japan)对研究区域进行遥感。在正午前后1000米高度的11个光学波段(474、553、656、675、848、1089、1193、1623、2044、2135和2207 nm)和1个热波段(9.3 mm)拍摄了航空光谱图像。地面空间分辨率为1.25 m。利用校准源将数字图像转换为反射图像。没有进行大气校正，因为天空非常晴朗，湿度也很低(49%)。地面高光谱反射率和地表温度分别使用便携式辐射计(FS-FR1000, ASD，美国)和红外温度计(Model4000, Everest Inc.，美国)测量。对50多个不同的均匀目标区域进行了反射光谱(380- 2500 nm，分辨率1 nm)，包括水稻、大豆、玉米、草地、草皮、蔬菜、裸露的土壤、沥青、混凝土、水塘、河流等。测量了10个不同的均匀目标(裸露的土壤、水稻树冠、池塘、沥青、混凝土等)的红外表面温度。假设所有目标的发射率为0.98。对航空观测时间窗的温度数据进行平均并用于校准。
4.2.3 fAPAR和设备参数的测量
LAI和生物量等植物数据是根据植物采样的破坏性测量来估计的。叶面积指数仅用光学叶面积计(AAM8, Hayashi-denkoh Co.， Japan)测定。分别测量了绿叶、茎、根和衰老植物部位的湿生物量和干生物量。
fAPAR是根据光合光子通量密度(PPFD)测量的四个组成部分，即林冠上方和林冠下方的向下和向上估算的。使用米长的PPFD传感器(LI-191SA, Li-Cor公司，美国)多次测量这些PPFD值，并对其进行平均，使其对每个树冠具有代表性。fAPAR数据是在遥感测量前后采集的;这些数据不是fAPAR的日平均值，而是正午附近的瞬时值。众所周知，fAPAR值在白天不一致，但在日出和日落期间相对较高;然而，正午的fAPAR可能足以代表fAPAR的日平均值，因为它们彼此高度相关，因为在太阳高度较低的时期，太阳辐射极低。
4.2.4利用光谱指数估算fAPAR和植物生产力
从107个不同冠层的数据中，植物冠层拦截辐射的比例(fIPAR)与fAPAR之间存在密切的线性关系:
fAPAR - 0.954fIPAR r2 - 0.997(n - 107) (6)
这两个参数都经常用于简单的流程模型中，但是应该注意fIPAR比fAPAR小5%。
比较了fAPAR与NDVI、RVI、SAVI (Huete, 1988)、MSAVI (Qi et al.， 1994)、WDVI (Clevers, 1989)、GEMI (Pinty and Verstraete, 1992)和EVI (Huete et al.， 1999) 7种植被指数之间的关系。VIs的定义如下:
SAVI - (1 + L) rNIR - rRed L - 0.5 (8)
L的优化值
WDVI - arNIR - rRed a系数(10)
GEMI - z(1 - 0.25Z)- rRed - 0:125 (11)
归一化植被指数
图3:不同植被冠层fAPAR与植被指数基于航空遥感影像的NDVI(彩色版见彩色版)。
归一化植被指数
图3:不同植被冠层fAPAR与航空遥感影像植被指数NDVI的关系(彩色版见彩色版)
[2(rNlR - rRed) + 1-5rNIR +°- 5pred]
1 + PNIR + 6PRed - 7.5PBlu
fAPAR与NDVI的相关性最好(图3)，线性程度优于其他VIs;RVI (r2 - 0.55)， SAVI (r2 - 0.73)， MSAVI (r2 - 0.62)， WDVI (r2 - 0.61)， GEMI (r2 - 0.67)， EVI (r2 - 0.68)。NDVI回归方程fAPAR - 1.176NDVI - 0.145 r2 - 0.84 (13)
与以下理论推导方程(Myneni and Williams, 1994) fAPAR - 1.164NDVI - 0.143吻合良好。(14）
由于回归方程(13)是根据2年的数据集推导出来的，涉及范围广泛的植物冠层，包括作物、蔬菜和木材，因此它将是各种应用的有用基础。个别数据点与回归线的偏差，即在某些情况下估计的误差很大，但这是这种仅使用两种光谱波长的简单方法的固有局限性。
在此方程的基础上，生成了fAPAR的精细分辨率地图(Inoue et al.， 2001)，利用测量的RUE和PAR数据，可以在景观尺度上估算植物生产力。从每日开始全球太阳辐射可以从5公里分辨率的卫星图像(GMS)估计，就有可能估计特定生物群落或地区的每日生产力。在仲夏生长季节，稻田、旱地和城区的fAPAR典型值分别为0.3、0.25和0.1。值得注意的是，典型和均匀稻区fAPAR的区域平均值不超过0.3，而当天LAI接近最大值的稻冠区fAPAR的区域平均值为0.8 ~ 0.9。稻田、旱地和城市地区的固定碳量分别为2.8、2.4和1.0Cgm-2day-1。例如，在晴朗的一天，全球太阳辐射(RAD)为25 MJ m-2 day-1，假设RUE为2.66 gDM MJ^PAR, PAR为RAD的0.45，碳含量为植物DM的0.449。种植区的数值与300-400 gC m-2 y-1等作物品种的典型值相当(Goudriaan et al.， 2001)。
在同一实验中，农田土壤碳含量与480和560 nm光谱反射率高度相关(r2 - 0.63;碳含量范围:0.20 ~ 0.61% DM)。这一结果表明，利用遥感光谱反射率可以估算土壤碳含量的年变化。然而，需要进一步的研究来更准确和更可靠的估计。
继续阅读:1月至9月Npp Global
这篇文章有用吗?