基于作物生長模型和遙感數(shù)據(jù)同化的草地生物量估算方法及應用.pdf

1、草地生物量是反映草原生態(tài)系統(tǒng)健康狀況的關鍵指標。研究草地生物量動態(tài)實時估算方法，獲取其時空連續(xù)的分布狀況，對于草原生態(tài)系統(tǒng)監(jiān)測具有重要現(xiàn)實意義。目前基于遙感手段只能獲取離散時相的生物量分布，無法揭示其內(nèi)在生長發(fā)育的連續(xù)演進規(guī)律，而作物模型正好具備此優(yōu)勢。本文以青海省烏圖美仁大草原為研究對象，以多源遙感數(shù)據(jù)和野外觀測數(shù)據(jù)為基礎，基于集合卡爾曼濾波（Ensemble Kalman Filter, EnKF）算法，開展同化遙感定量反演參數(shù)葉面

2、積指數(shù)（Leaf area index, LAI）到作物模型（WOrld FOod STudies, WOFOST）進行草地生物量估算的研究。最后基于野外驗證數(shù)據(jù)評價同化前后的生物量估算精度。
　　本研究主要內(nèi)容包括：⑴為克服由輸入?yún)?shù)引起的模型模擬的不確定性，首先利用Sobol’敏感性分析方法篩選對WOFOST模型輸出敏感的作物參數(shù)。然后依據(jù)地面實測數(shù)據(jù)和優(yōu)化算法對敏感參數(shù)比葉面積、初始生物量干重、最大CO2同化率等進行調(diào)整。優(yōu)

3、化過程分別基于實測LAI值、實測生物量、實測LAI值和生物量構建三種不同的代價函數(shù)，對比分析校正結(jié)果顯示，集成多源觀測數(shù)據(jù)校正的模型能夠更好的模擬潛在條件下的植被長勢。這為模型后續(xù)在區(qū)域上的生物量模擬奠定了基礎。⑵基于PROSAIL模型和查找表算法，以Landsat和MOD09A1為數(shù)據(jù)源，實現(xiàn)研究區(qū)多個時相的LAI反演。為解決該研究區(qū)植被特殊分布和病態(tài)反演問題，采取研究區(qū)分類，模型參數(shù)敏感性分析，構建不同查找表等反演策略，最后基于實測

4、數(shù)據(jù)對反演結(jié)果進行評價。其中，Landsat數(shù)據(jù)的反演值與實測值的決定系數(shù)R2（the deterministic coefficient）為0.89，均方根誤差（Root Mean Square Error, RMSE）為0.56；MOD09A1數(shù)據(jù)的反演值與實測值的R2為0.78，RMSE為0.61，反演精度均較高，可以應用于后續(xù)同化過程。⑶以LAI為連接點，基于EnKF算法將反演的多時相LAI值同化到校正后的作物模型中，更新模型狀

5、態(tài)變量，模擬研究區(qū)全年生物量在時空尺度的分布，最后基于實測數(shù)據(jù)驗證同化后的生物量估算精度。結(jié)果顯示，在驗證點上，同化2011年和2014年Landsat-LAI后，RMSE分別降低了511.44 kg/ha和1009.88 kg/ha；同化2011年MOD09A-LAI后，RMSE降低了198.7 kg/ha。為評價同化后生物量在空間分布上的表現(xiàn)，基于植被覆蓋度對不同覆蓋區(qū)的生物量進行統(tǒng)計，發(fā)現(xiàn)各植被覆蓋區(qū)在同化后，生物量的估算結(jié)果都更