叶绿素荧光（Solar-induced Chlorophyll Fluorescence, SIF）遥感是一种新兴的监测植被光合作用的遥感方法，目前已广泛应用于估测陆地植被总初级生产力（GPP）。本研究利用2015年轨道碳观测卫星2号的叶绿素荧光数据（Orbiting Carbon Observatory 2, OCO-2），选择南方云贵川三省不同草地覆盖度的典型草原样地，结合MODIS-GPP数据拟合建模，对南方草地植被总初级生产力动态进行初步监测。本研究结果指出，OCO-2 SIF 数据能够对南方草地总初级生产力进行有效监测，并且SIF757数据较SIF771数据与MODIS-GPP数据有更强的相关性。通过比较不同草地覆盖度的SIF-GPP线性曲线，本研究指出不同草地覆盖度样地的SIF-GPP线性曲线较为近似，空间异质性对南方草地SIF-GPP相关性影响较小。本研究还利用月平均温度与月降水量与SIF进行相关性分析，并指出SIF能够在一定程度上反映样地月平均温度与月降水量的月变化趋势。
目录
摘要 1
关键词 1
Abstract. 1
Key words: 1
1.材料与方法 3
1.1 OCO2 数据 3
1.2 MODISGPP 数据 3
1.3 土地利用数据与气象数据 4
1.4 研究地区 4
2. 结果与分析 5
2.1 SIF数据（SIF757与SIF771）与MODISGPP数据相关性 5
2.2 不同草地覆盖度对南方草地SIFGPP关系的影响 7
2.3 气候因子（温度、降水）与南方草地SIFGPP相关性 8
3.讨论 9
3.1 SIF与环境因素的关系 9
3.2 SIF数据时空尺度与分辨率的关系 9
3.3 样地实测数据校正GPPSIF线性关系参数设置及优化 9
3.4 不足 9
4. 结论 10
致谢 10
参考文献 11
利用叶绿素荧光遥感数据监测南方草地生产力动态
引言
陆地生态系统总初级生产力（ *景先生毕设|www.jxszl.com +Q: *351916072* 
GPP），即陆生植物通过光合作用吸收二氧化碳的强度，这是全球碳循环中最大的碳通量过程。Wood等[1]认为监测GPP对于研究全球气候变化，自然生态系统过程等具有重大的意义。传统的遥感手段是通过植被反射、辐射和散射的电磁波信息反演植被的生物物理参数和生物化学参数， 如叶面积指数、叶绿素含量等。但是目前观测数据并不能直接监测植被的光合作用过程，这在一定程度上限制了地区乃至全球GPP预测模型的应用[2] 因此，目前亟待有效的探测植被光合作用信息的手段来监测草地GPP的时空波动和分布，而新兴的叶绿素荧光遥感技术为监测全球植被光合作用和草地GPP创造了新的方法。
叶绿素荧光是在自然光照下由植物叶绿素分子发出的波长在650850 nm范围的信号，因此适合对面上植被群落进行无损监测[3]。传统上，通常通过植被指数，如NDVI等对植被进行监测，而叶绿素荧光可以直接反映植被光合作用状态，尤其是在常绿植物和植物受胁迫时期更为明显，与光合作用的线性拟合效果更强，为 GPP 估算提供更为直接可靠的遥感方法。2014年发射的轨道碳观测2号卫星（Orbiting Carbon Observatory, OCO2）提供了最新的SIF空间监测数据。该卫星具有极高的分辨率（1.3×2.3km）以及较低的噪音比例[3]。
与GOSAT（10km*10km）、GOME2(40km*80km)等同类别的卫星数据相比，OCO2 SIF数据的高分辨率使其与地表通量塔GPP数据比较有一定优势[4]。Jeffrey等[5]利用OCO2数据，通过分析美国玉米带的SIFGPP关系，观察到它们间有很强的线性关系，并且SIF可以有效反映植物生理状况，且对空间和时间尺度变化不敏感。Philipp等[6]利用GOME2数据和OCO2数据分析亚马逊森林的大尺度植被动态变化，观察到SIF数据可以有效监测植被变化。Guanter等[3]研究证明了SIF与其他现有的遥感参数或模型相比的高敏感性以及在世界作物带制图上的引领性。Joiner等[7]证明了GOME2 SIF数据和基于碳通量的GPP的季节性循环周期估计具有高度吻合性。Zhang等也基于GOME2 SIF的数据说明SIF在监测作物光合作用的可行性的领域。Zhang等[8]通过对比NDVI与SIF估算北美高纬度森林GPP，指出SIF较NDVI在植被季节性迟滞变化（由光合反应与叶面积在应对温度变化反应时间不同所导致）与实际GPP变化更贴近，能够有效反应这一现象。国内也逐渐开始有学者开始SIF领域的探索，如Xiaoxu Wei等[9]，利用GOME和OCO数据预测黑河盆地GPP，通过与盆地内的通量塔GPP数据作比较，也发现了强烈的线性关系.
陆地生态系统碳汇核算及碳通量观测分析等研究是当前全球气候变化背景下的热点问题[10]。通过对草地生态系统生产力监测，结合卫星遥感数据定量分析其时空变化格局，是当前全球变化背景下监测由CO2浓度增减导致的碳收支平衡和准确估计的重要依据，同时对气候变化的响应等方面研究提供依据。草地作为陆地生态系统的重要类型，对于维持自然生态系统功能、过程和格局具有重要意义[11]。而国内草地的研究目前多在北方草地与青藏高原展开，对于南方草地的研究尚有缺乏。目前国内对草地生产力的研究和估测主要有以下几种方法：1.站点实测方法 2.统计模型（气候相关模型）3.非遥感过程（统计模型，参数模型，过程模型）4.遥感估测。传统上 ,大部分基于卫星数据的草地生产力研究都是把生长季的植被归一化植被指数(NDVI)和NPP或ANPP(地上NPP)建立经验回归关系，其数据都基于MODIS, NOAA/AVHRR产品[3]。在输入模型中，有许多植物参数引入，不足的是，这些模型并没有充分考虑到到草地生态系统碳循环机理和深层次的光合作用机理 ,对于不同的植被生态群落和研究方向的时空可比性与方法可比性缺乏。肖劲峰等[12]在根据全球OCO2 SIF数据和部分通量塔数据进行全球生态群落GPPSIF关系分析后，提出SIF数据对各类型植被群落的光合作用过程都具有强烈的相关性，并且能够很好地反映环境胁迫，其中草地覆盖类型的相关性很强。这更说明，SIF动态监测草地生产力具有广阔的前景。新兴的叶绿素荧光遥感技术可以有效结合和补充传统估算草地生产力的不足，并可以对南方草地生产力的空白做出补充。

原文链接：http://www.jxszl.com/nongxue/cykx/562311.html