基于日光誘導(dǎo)葉綠素?zé)晒獾年懙厣鷳B(tài)系統(tǒng)GPP估算研究

董 恒 郭 宏 袁艷斌

(武漢理工大學(xué)資源與環(huán)境工程學(xué)院， 武漢 430070)

0 引言

陸地生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力(Gross primary productivity, GPP)是指單位時(shí)間和單位面積上，綠色植物通過(guò)光合作用所固定的有機(jī)碳總量，又稱(chēng)總第一性生產(chǎn)力[1]。作為地球生物圈中的主要生產(chǎn)者，綠色植被所固定的化學(xué)能為地球上其他所有生物提供能量。因此，精確估算世界各地總初級(jí)生產(chǎn)力是目前急需解決的問(wèn)題。

植被生產(chǎn)力的模擬研究經(jīng)歷了從最初的簡(jiǎn)單統(tǒng)計(jì)模型、遙感數(shù)據(jù)驅(qū)動(dòng)的過(guò)程模型到動(dòng)態(tài)全球植被模型等多個(gè)發(fā)展階段。遙感數(shù)據(jù)因其能夠提供時(shí)空連續(xù)的植被變化特征，在區(qū)域評(píng)估和預(yù)測(cè)研究中扮演了不可替代的角色[2]?，F(xiàn)階段，利用遙感數(shù)據(jù)來(lái)進(jìn)行GPP估算的模型主要包括經(jīng)典的光能利用率(Light use efficiency, LUE)模型以及近年來(lái)發(fā)展迅速的基于日光誘導(dǎo)葉綠素?zé)晒?Sun-induced chlorophyll fluorescence, SIF)的GPP估算模型。光能利用率模型的核心思想是植被在吸收了光合有效輻射(Absorbed photosynthetically active radiation, APAR)后會(huì)按照一定的比例將太陽(yáng)能固定為有機(jī)化學(xué)能，這一轉(zhuǎn)化比例就是光能利用率[3]。比較著名的光能利用率模型包括GLO-PEM模型[4]、MOD17模型[5]、VPM模型[6-8]、TURC模型[9]。這類(lèi)模型具有諸如遙感數(shù)據(jù)獲取便捷、可進(jìn)行大范圍估算、模型簡(jiǎn)單等優(yōu)點(diǎn)，是目前國(guó)內(nèi)外學(xué)者廣泛采用的GPP估算模型。

基于日光誘導(dǎo)葉綠素?zé)晒獾腉PP估算模型是近年來(lái)逐漸興起的一種新型的GPP估算模型。利用傳統(tǒng)的諸如植被指數(shù)、葉片葉綠素濃度、生物量、冠層結(jié)構(gòu)等植被參數(shù)估算GPP需要眾多的輔助數(shù)據(jù)以及繁雜的模擬步驟，且模型具有一定的滯后性。而葉綠素?zé)晒庾鳛橹脖还夂献饔眠^(guò)程中的副產(chǎn)品可以更加快速準(zhǔn)確地反映植被內(nèi)部的生理狀態(tài)變化，因此相較于光能利用率模型而言，葉綠素?zé)晒饽Ｐ陀兄訄?jiān)固的理論基礎(chǔ)[10]。各國(guó)學(xué)者也已經(jīng)開(kāi)展了許多利用葉綠素?zé)晒夤浪鉍PP的研究，利用葉綠素?zé)晒鈦?lái)估算農(nóng)田[11-12]、草地[13]、森林[14]等生態(tài)系統(tǒng)的GPP，并取得了較好的效果。然而，這些研究中所使用的葉綠素?zé)晒夤浪隳Ｐ蛢H包含葉綠素?zé)晒膺@一單一要素，未將冠層自身結(jié)構(gòu)以及外界環(huán)境對(duì)植被的影響考慮在內(nèi)，這也在一定程度上限制了模型估算精度的提升。

針對(duì)此問(wèn)題，本研究結(jié)合不同植被類(lèi)型的13個(gè)通量站點(diǎn)作觀(guān)測(cè)數(shù)據(jù)，在傳統(tǒng)線(xiàn)性模型的基礎(chǔ)上融入溫度脅迫因子和飽和水氣壓脅迫因子，并利用植被指數(shù)的不同數(shù)學(xué)形式對(duì)葉綠素?zé)晒獾墓趯犹右萋蔬M(jìn)行模擬，構(gòu)建新的葉綠素?zé)晒釭PP估算方法，以期為利用日光誘導(dǎo)葉綠素?zé)晒夤浪愦髤^(qū)域的GPP提供新的途徑。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域

由于通量塔探測(cè)足跡往往小于1 km2，GOME-2遙感圖像像元的空間尺度為0.5°×0.5°，因此需要通過(guò)計(jì)算相應(yīng)指標(biāo)來(lái)評(píng)估通量站點(diǎn)對(duì)其所在像元的代表性。參照文獻(xiàn)[15]，若一個(gè)站點(diǎn)所觀(guān)測(cè)的植被類(lèi)型占該站點(diǎn)對(duì)應(yīng)像元面積的60%以上，且該像元內(nèi)的EVI標(biāo)準(zhǔn)差小于0.1，則該站點(diǎn)被選作研究站點(diǎn)。篩選出的通量站點(diǎn)具體信息如表1所示。

表1 通量站點(diǎn)信息Tab.1 Information of flux sites

1.2 數(shù)據(jù)

1.2.1葉綠素?zé)晒鈹?shù)據(jù)

本次研究所采用的葉綠素?zé)晒鈹?shù)據(jù)是由搭載在MetOp-A衛(wèi)星上的GOME-2傳感器測(cè)量得到的SIF740產(chǎn)品。GOME-2葉綠素?zé)晒鈹?shù)據(jù)集包括V26和V27兩個(gè)版本，V27在V26的基礎(chǔ)上添加了新字段并改進(jìn)了誤差矯正方法。GOME-2葉綠素?zé)晒鈹?shù)據(jù)分為level 2和level 3兩個(gè)級(jí)別，level 2是日尺度葉綠素?zé)晒猱a(chǎn)品，level 3是在level 2數(shù)據(jù)基礎(chǔ)上經(jīng)過(guò)一系列處理得到的空間分辨率為0.5°×0.5°的月尺度葉綠素?zé)晒猱a(chǎn)品。本研究選用的數(shù)據(jù)是V27版本的level 3數(shù)據(jù)，該數(shù)據(jù)可從網(wǎng)站(http:∥avdc.gsfc.nasa.gov/pub/data/satellite/MetOp/GOME_F/)免費(fèi)下載。

1.2.2通量站點(diǎn)數(shù)據(jù)

通量站點(diǎn)數(shù)據(jù)來(lái)源于FLUXNET團(tuán)隊(duì)制作的FLUXNET2015數(shù)據(jù)集(http:∥fluxnet.fluxdata.org/data/fluxnet2015-dataset/)。FLUXNET 2015數(shù)據(jù)集涵蓋不同區(qū)域通量站點(diǎn)網(wǎng)中212個(gè)通量站點(diǎn)的多年觀(guān)測(cè)數(shù)據(jù)。這212個(gè)通量站點(diǎn)均勻分布于全球各地，各個(gè)站點(diǎn)觀(guān)測(cè)的植被類(lèi)型也不盡相同，為開(kāi)展全球碳循環(huán)規(guī)律等方面的研究提供了很好的數(shù)據(jù)支撐。

1.2.3植被指數(shù)數(shù)據(jù)

本研究所使用的MOD13C2植被指數(shù)產(chǎn)品由搭載在Terra衛(wèi)星上的MODIS傳感器測(cè)量獲得。該產(chǎn)品是月尺度植被指數(shù)產(chǎn)品，空間分辨率為0.05°×0.05°，包含了歸一化植被指數(shù)NDVI、增強(qiáng)植被指數(shù)EVI、植被指數(shù)數(shù)據(jù)質(zhì)量標(biāo)識(shí)、紅光波段反射率、近紅外波段反射率、藍(lán)光波段反射率、中紅外波段反射率、平均太陽(yáng)高度角等數(shù)據(jù)，該數(shù)據(jù)可從網(wǎng)站(https:∥lpdaac.usgs.gov/data_access/data_pool)下載。

1.2.4土地覆蓋數(shù)據(jù)

土地覆蓋數(shù)據(jù)是由馬里蘭大學(xué)基于MCD12Q1產(chǎn)品經(jīng)過(guò)空間聚合后生產(chǎn)的土地分類(lèi)數(shù)據(jù)(http:∥www.landcover.org/data/lc/)。數(shù)據(jù)的時(shí)間尺度為年尺度，空間分辨率為5′×5′。數(shù)據(jù)所遵循的土地分類(lèi)標(biāo)準(zhǔn)是IGBP土地分類(lèi)標(biāo)準(zhǔn)，包含17種不同的土地類(lèi)型，其中有12種是植被類(lèi)型，分別是常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混合林、郁閉灌木林、稀疏灌木林、灌木草原、稀樹(shù)草原、草地、耕地、耕地與自然植被。

1.3 研究方法

植被發(fā)射的葉綠素?zé)晒馀c光合作用之間有著密不可分的關(guān)系，但僅用葉綠素?zé)晒獠⒉荒芡耆忉屩脖坏墓夂献饔脿顟B(tài)，需要將環(huán)境等因素考慮在內(nèi)。參考GUANTER等[11]提出的葉綠素?zé)晒釭PP估算模型[16]為

(1)

式中GPP——總初級(jí)生產(chǎn)力,gC/(m2·d)

SIF——葉綠素?zé)晒?mW/(m2·nm·sr)

LUE——光能利用率,%

LUEf——熒光量子產(chǎn)量,%

fesc——葉綠素?zé)晒獾墓趯犹右萋?/p>

由于遠(yuǎn)紅外波段受冠層影響較小，因此一般默認(rèn)fesc為1。

對(duì)于LUEf而言，除非遇到比較極端的天氣狀況(高溫、干旱、霜凍等)，否則LUEf的變化不會(huì)很大[17-18]。同時(shí)考慮到本次研究所使用的熒光數(shù)據(jù)分辨率較低，難以反映出LUEf的變化，故將LUEf設(shè)為定值進(jìn)行研究。

LUE是GPP光能利用率模型中的核心參數(shù)，已經(jīng)有許多科學(xué)家開(kāi)展相關(guān)研究來(lái)尋找計(jì)算LUE的方法。本研究選用MOD17產(chǎn)品使用的LUE計(jì)算方法，其計(jì)算公式為

LUE=LUEmaxTMINscalarVPDscalar

(2)

其中

(3)

(4)

式中LUEmax——最大光能利用率,%

TMINscalar——最低溫調(diào)節(jié)系數(shù)

VPDscalar——飽和水汽壓差調(diào)節(jié)系數(shù)

TMIN——全天最低溫度,℃

TMINmin——植被光能利用率為0時(shí)的最低溫度,℃

TMINmax——植被光能利用率達(dá)到最大值時(shí)的最低溫度,℃

VPD——日間平均飽和水汽壓差,Pa

VPDmin——植被光能利用率為0時(shí)的日間平均飽和水汽壓差,Pa

VPDmax——植被光能利用率達(dá)到最大值時(shí)的日間平均飽和水汽壓差,Pa

LUEmax、TMINmin、TMINmax、VPDmin和VPDmax可在MOD17產(chǎn)品說(shuō)明中查閱得到，具體參數(shù)如表2所示。至此，本研究的葉綠素?zé)晒釭PP估算方法構(gòu)建完成，公式為

GPP=SIFTMINscalarVPDscalara+b

(5)

式中a、b——模型擬合獲得的常數(shù)

雖然在一般情況下，fesc設(shè)置成1，但有研究表明，通過(guò)改進(jìn)fesc也可以提升模型的估算精度。植被指數(shù)是冠層葉綠素含量和葉面積指數(shù)LAI很好的指示器[19-20]，本文利用NDVI和EVI的不同數(shù)學(xué)形式來(lái)模擬fesc。總初級(jí)生產(chǎn)力的估算方法為

GPP=SIFTMINscalarVPDscalarf(VI)a+b

(6)

式中f(VI)——植被指數(shù)的相關(guān)函數(shù)

表2 MOD17參數(shù)Tab.2 Parameters of MOD17

2 結(jié)果分析

2.1 評(píng)價(jià)指標(biāo)

(7)

(8)

(9)

式中GPPactual——通量站點(diǎn)測(cè)量的實(shí)際GPP,gC/(m2·d)

GPPpredict——本研究模型估算得到的GPP,gC/(m2·d)

GPPmean——實(shí)測(cè)GPP的平均值,gC/(m2·d)

n——樣本數(shù)量

p——特征數(shù)量

RMSE——均方根誤差,gC/(m2·d)

校正決定系數(shù)在決定系數(shù)的基礎(chǔ)上引入了樣本數(shù)量和特征數(shù)量，消除了樣本數(shù)量和特征數(shù)量的影響。

2.2 融入環(huán)境影響因子后的模型估算精度分析

表3 各站點(diǎn)估算精度Tab.3 Estimated accuracy for each site

與傳統(tǒng)線(xiàn)性模型相比，從表3中可以看出，除FR-Pue、US-Whs、US-SRC這3站點(diǎn)外，剩余10個(gè)站點(diǎn)估算精度都有所提升，提升最大的是US-MMS站點(diǎn)，其R2提升了0.251 9。從植被類(lèi)型上看，傳統(tǒng)模型的模擬精度在稀疏灌木林類(lèi)型的兩個(gè)站點(diǎn)均優(yōu)于本文提出的估算模型，但是其模型效果也不理想，決定系數(shù)都低于0.330 0，說(shuō)明無(wú)論是傳統(tǒng)線(xiàn)性模型還是本文提出的估算模型都不能很好地解釋稀疏灌木林的植被光合作用狀況?？傮w來(lái)說(shuō)，在傳統(tǒng)線(xiàn)性模型中加入環(huán)境影響因子在一定程度上提升了模擬精度。

2.3 融入植被指數(shù)后的模型估算精度分析

本文不僅在傳統(tǒng)線(xiàn)性模型的基礎(chǔ)上進(jìn)行了改進(jìn)，還在加入環(huán)境影響因子的基礎(chǔ)上利用植被指數(shù)模擬了葉綠素?zé)晒獾墓趯犹右萋剩噲D進(jìn)一步提高模型的模擬精度。本文選用了NDVI和EVI兩個(gè)常用的植被指數(shù)來(lái)改進(jìn)模型。由于尚未理清植被指數(shù)和fesc之間的關(guān)系，因此，本文分別用植被指數(shù)的線(xiàn)性模型、冪函數(shù)模型、指數(shù)模型、對(duì)數(shù)模型這4種模型來(lái)模擬fesc。具體結(jié)果如表4所示。

從表4中可以看出，NDVI改進(jìn)后，每個(gè)站點(diǎn)的估算精度與環(huán)境因子模型相比都有了一定的提升。其中，提升較大的包括FR-Pue、US-MMS這2個(gè)站點(diǎn)，其R2均提升0.1以上。提升最大的是FR-Pue站點(diǎn)，其R2從0.402 9提升至0.617 0。雖然在傳統(tǒng)線(xiàn)性模型的基礎(chǔ)上加入環(huán)境影響因子后，F(xiàn)R-Pue站點(diǎn)的R2低于傳統(tǒng)線(xiàn)性模型的R2，但是在經(jīng)過(guò)NDVI改進(jìn)之后，其R2超過(guò)了傳統(tǒng)線(xiàn)性模型。說(shuō)明在考慮了冠層對(duì)于葉綠素?zé)晒馓右莸挠绊懞螅Ｐ偷墓浪憔葍?yōu)于傳統(tǒng)線(xiàn)性模型的估算精度。

在13個(gè)站點(diǎn)中，有8個(gè)站點(diǎn)經(jīng)過(guò)EVI改進(jìn)后模型的R2高于經(jīng)過(guò)NDVI改進(jìn)后模型的R2，說(shuō)明EVI對(duì)模型的改進(jìn)能力優(yōu)于NDVI。

而植被指數(shù)的不同形式對(duì)于模型的改進(jìn)程度也不一樣，線(xiàn)性形式、冪函數(shù)形式、指數(shù)形式、對(duì)數(shù)形式均可對(duì)模型進(jìn)行不同程度的改進(jìn)，但是不同的站點(diǎn)所最適合的形式也不一樣。因此，亦不能確定以何種數(shù)學(xué)形式將植被指數(shù)融入到葉綠素?zé)晒饽Ｐ椭?。更好地模擬fesc這一參數(shù)還需要通過(guò)更多的研究才能實(shí)現(xiàn)。

表4 植被指數(shù)改進(jìn)結(jié)果Tab.4 Vegetation index improvement results

2.4 不同GPP估算模型結(jié)果的年際特征比較分析

圖1展示了不同站點(diǎn)不同GPP估算模型估算結(jié)果的年際變化特征。總體上來(lái)看，這4個(gè)GPP估算模型估算結(jié)果的季節(jié)性變化規(guī)律和年際特征相似，不同之處在于不同估算模型估算結(jié)果隨時(shí)間的變化幅度不同。其中，GPPEC表示通量站點(diǎn)測(cè)量的GPP；GPPSIF表示傳統(tǒng)線(xiàn)性模型估算得到的GPP；GPPENV表示在傳統(tǒng)線(xiàn)性模型的基礎(chǔ)上融入環(huán)境因素后估算得到的GPP；GPPNGT表示NGEE-Tropics項(xiàng)目的GPP估算模型估算結(jié)果。

圖1 各站點(diǎn)不同GPP估算模型估算結(jié)果季節(jié)性變化曲線(xiàn)Fig.1 Seasonal changes in different GPP products at each site

可以看出，位于北半球的US-AR1、DE-Geb等站點(diǎn)的4個(gè)GPP估算模型估算結(jié)果都在北半球的夏季時(shí)期(6—8月)達(dá)到峰值，在北半球的冬季時(shí)期(12月、1月、2月)達(dá)到最低值。而位于南半球的ZA-Kru、AU-DaS等站點(diǎn)的4個(gè)GPP估算模型估算結(jié)果則都在南半球的夏季時(shí)期(12月、1月、2月)達(dá)到峰值，在南半球的冬季時(shí)期(6—8月)達(dá)到最低值。說(shuō)明無(wú)論是在北半球還是南半球，各類(lèi)型植被的生理狀態(tài)都在夏季時(shí)期最為活躍，冬季最為平淡。

從圖1中可以看出，GPPSIF和GPPENV的變化幅度較為接近，原因是估算GPPENV的模型是在估算GPPSIF的模型基礎(chǔ)上加入環(huán)境影響因子而得到的。因此，這兩個(gè)模型在估算GPP時(shí)隨時(shí)間的變化規(guī)律和幅度較為相似。然而，這二者的估算結(jié)果又有一些區(qū)別。GPPENV相較于GPPSIF來(lái)說(shuō)與GPPEC的變化規(guī)律更加接近，雖然GPPENV和GPPSIF均會(huì)出現(xiàn)高值低估和低值高估的現(xiàn)象，但是GPPSIF的誤差更大。說(shuō)明通過(guò)引入環(huán)境影響因子，葉綠素?zé)晒饽Ｐ透芊从硨?shí)際的植被光合作用狀況，而傳統(tǒng)線(xiàn)性模型中僅包含葉綠素?zé)晒膺@一個(gè)因素，在許多情況下還是有不足。

對(duì)于GPPNGT來(lái)說(shuō)，在AU-DaS、DE-Kli、US-ME6、FR-Pue、AU-Stp這些站點(diǎn)出現(xiàn)了GPPNGT過(guò)高的現(xiàn)象，在US-SRC、US-Whs站點(diǎn)出現(xiàn)了GPPNGT過(guò)低的現(xiàn)象，而在其他的站點(diǎn)GPPNGT與其他估算模型估算結(jié)果差別不大。US-SRC和US-Whs站點(diǎn)都屬于稀疏灌木林類(lèi)型，說(shuō)明不僅僅是環(huán)境因子模型和傳統(tǒng)線(xiàn)性模型在模擬稀疏灌木林的GPP時(shí)精度較低，GPPNGT與實(shí)測(cè)的GPP相差也較大；而在剩余的11個(gè)站點(diǎn)中，有5個(gè)站點(diǎn)的GPPNGT明顯大于其他3個(gè)估算模型結(jié)果的值，有6個(gè)站點(diǎn)的GPPNGT與其他估算模型估算結(jié)果相差不大，說(shuō)明GPPNGT總體上還是偏高。

3 結(jié)論

(1)傳統(tǒng)線(xiàn)性模型中融入環(huán)境影響因子后，13個(gè)通量站點(diǎn)的估算結(jié)果中有10個(gè)站點(diǎn)的估算精度得到提升，有3個(gè)站點(diǎn)的估算精度有所下降。說(shuō)明在加入了環(huán)境影響因子后，模型總體估算精度的提升較為明顯。

(2)通過(guò)分析比較不同GPP估算模型估算結(jié)果的年際特征，發(fā)現(xiàn)相較于GPPSIF來(lái)說(shuō)，GPPENV的變化規(guī)律更接近實(shí)際測(cè)量的GPPEC的變化規(guī)律。說(shuō)明單因素的傳統(tǒng)線(xiàn)性模型還不能完全反映植被的光合作用狀況。

(3)利用植被指數(shù)對(duì)葉綠素?zé)晒夤趯犹右萋蔬M(jìn)行模擬，提升所有13個(gè)站點(diǎn)的估算精度。說(shuō)明通過(guò)模擬冠層逃逸率來(lái)提升模型的估算精度十分有效。