叶绿素荧光遥感监测南方草地生产力动态研究开题报告

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）

1、本课题意义：

陆地生态系统总初级生产力（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]。

中国草地作为典型的生态系统类型，对维持自然生态系统格局、功能和过程具有特殊的生态意义。草地生态系统生产力结构和碳储量核算研究是当前全球变化背景下的热点问题^[3]。草地生产力研究通过对草地生态系统生产力的模拟 ,定量分析其生产力的时空变化,对系统分析草地在全球气候变化中的生态价值和贡献、研究陆地碳循环机制、全球碳收支平衡以及准确估计和判断由于植被变化造成的 CO2浓度增减 ,并为引起气候变化的程度、规律和特点等方面的研究提供依据^[4]。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 ,大多数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，其数据都是基于MODIS, NOAA/AVHRR产品^[5]。在输入模型中，有许多植物参数引入，而这些模型没有涉及到草地生态系统碳蓄积机理部分以及光合作用机理 ,对于不同研究者的观测资料时间与空间或方法缺乏可比性。

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探测由植物叶绿素分子发出的波长在650-850 nm范围的信号，即日光诱导的叶绿素荧光（Sun-inducedChlorophyll Fluorescence, SIF），适合在自然环境下对大范围植被区进行快速且无损的监测^[6]。与传统的植被指数相比，叶绿素荧光更能够揭示植物光合作用的真实状态，特别是在常绿群落、植被受胁迫的早期阶段光合作用的关系更加较为直接，与光合作用的线性拟合效果更加逼真，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, OCO-2）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^[6] 。利用OCO-2数据，更精确的草地生产力估测将变为可能。近几年国内外叶绿素荧光的快速发展为我国南方草地的生产力监测做出了良好的应用示例。基于全新的SIF数据以及其与GPP间更为直观密切的关系，利用叶绿素荧光遥感技术监测南方草地生产力动态研究将会补充传统实测法与遥感估测的不足，为国家草地碳库资料的完善提供技术支持和数据支撑。

2、国内外研究概况：

与同类别卫星数据比较，如GOSAT（10km*10km）,GOME-2(40km*80km)，OCO-2 SIF 数据的高分辨率使其与地表通量塔GPP数据比较成为可能^[7]。Jeffrey等^[8]利用OCO-2数据，通过分析美国玉米带的SIF-GPP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^[9]利用GOME-2数据和OCO-2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^[7]已经证明SIF与其他现有的遥感参数或模型相比，对作物光合作用的敏感性更高，该研究驱动了世界作物带的生产力地图的制作。Joiner等^[10]证明了GOME-2 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^[7]也基于GOME-2 SIF的数据说明SIF在监测作物光合作用的可行性的领域。Zhang, Guanter等^[11]通过对比NDVI与SIF估算北高纬度森林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^[12]，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.

3、应用前景

肖劲峰等^[13]在根据全球OCO-2 SIF数据和部分通量塔数据进行分析后，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更强。这更说明SIF动态监测草地生产力有着很好的前景因此，新兴的叶绿素荧光遥感技术将能够有效的结合和补充传统估算草地生产力的不足。国内草地相关研究在北方温性草地和青藏高原高寒草地开展较多，而面向南方草地相对较少或仅在南方的部分样地进行。孙政国、李建龙等在之前对南方草地生产力做过一定的研究，而叶绿素荧光遥感在南方草地的研究仍属空白^[3]。通过最新的OCO-2数据，建立在SIF与光合作用的更直观关系，利用相对简单的SIF-GPP线性模型，本研究将初步对我国云贵川三省的草地生产力进行动态研究。本研究是对传统的实测法以及MODIS-GPP估测方法的一种更加高效，真实的补充，为国家对草地碳库等资料的完善提供一定的技术支持和数据支撑。

参考文献：

[1] Wood J D, et al. Multiscale analyses ofsolar-induced florescence and gross primary production[J]. GeophysicalResearch Letters, 2016, 44(1): 533-541.

[2] Sun Y, et al. Overview of Solar-Inducedchlorophyll Fluorescence (SIF) from the Orbiting Carbon Observatory-2:Retrieval, cross-mission comparison, and global monitoring for GPP[J]. RemoteSensing of Environment, 2018, 209: 808-823.

[3] 孙政国. 南方草地生态系统生产力和碳储量初步核算研究[D]. 南京: 南京大学, 2013.

[4] 郑凌云, 张佳华. 草地净第一性生产力估算的研究进展[J]. 农业工程学报, 2007, 23(1):279- 285.

[5] 关琳琳. 基于叶绿素荧光的植被总初级生产力估算[D]. 北京: 中国科学院大学(中国科学院遥感与数字地球研究所), 2017.[6] Guanter L, Zhang Y, Jung M, et al. Reply to Magnani et al. Linkinglarge-scale chlorophyll fluorescence observations with cropland gross primaryproduction[J]. Proc. Natl. Acad. Sci. U. S. A, 2014, 111(25): E2511-E2511.

[7] Guanter L, Zhang Y, Jung M, et al. Global andtime-resolved monitoring of crop photosynthesis with chlorophyll fluorescence[J].Proc. Natl. Acad. Sci. U. S. A, 2014, 111(14): E1327-E1333.

[8] Moya I. Anew instrument for passive remote sensing: Measurements of sunlight-inducedchlorophyll fluorescence[J]. Remote Sensing of Environment, 2004, 91(2):186-197.

[9] Khler P et al. Assessing the potential ofsun-induced fluorescence and the canopy scattering coefficient to tracklarge-scale vegetation dynamics in Amazon forests[J]. Remote Sensing ofEnvironment, 2018, 204: 769-785.

[10] JoinerJ, Guanter L, Lindstrot R, et al. Global monitoring of terrestrialchlorophyll fluorescence from moderate-spectral-resolution near-infraredsatellite measurements: methodology, simulations, and application toGOME-2[J]. Atmospheric measurement techniques, 2013, 6(10): 2803-2823.

[11] ZhangY, Guanter L, Berry J A, et al. Model-based analysis of the relationshipbetween sun-induced chlorophyll fluorescence and gross primary production forremote sensing applications[J]. Remote Sensing of Environment, 2016, 187:145-155.

[12] Lu X et al. Seasonal patterns of canopyphotosynthesis captured by remotely sensed sun-induced fluorescence andvegetation indexes in mid-to-high latitude forests: A cross-platformcomparison[J]. Sci Total Environ, 2018, 644: 439-451.

[13] Li X et al. Solar-induced chlorophyll fluorescenceis strongly correlated with terrestrial photosynthesis for a wide variety ofbiomes: First global analysis based on OCO-2 and flux tower observations[J]. GlobChang Biol, 2018, 209: 808-823.

研究的目标、内容和拟解决的关键问题

1、研究目标

（1）通过太阳诱导的叶绿素荧光遥感这一新型遥感技术来监测和研究南方草地生产力。

（2）太阳诱导的叶绿素荧光（SIF）具有直接反映光合作用的特性，能够更加直观的反映草地生产力的动态变化。通过这一遥感技术，目标对云贵川三省草地生产力空间差异分布以及不同季节间的时间差异分布进行动态监测。

2、研究内容

（1）我国西南草地与北方草地情况不同，北方草地主要是地带性分布，连续性强，传统的MODIS-GPP分析方法更具优势。我国南方地区地形复杂，区域差异明显，加上草地自身类型多样性，使得南方草地显现出不连续性分布，尤其林草混合情况严重。这种情况下，SIF数据的高分辨率以及其与光合作用的密切联系使得其在监测南方草地生产力时具有较强的优势。

（2）本研究基于OCO-SIF数据，对SIF能否监测中国南方草地生产力进行验证，并通过反复调参和优化。同时与同类型的MODIS-GPP方法进行比较，找出最佳的生产力监测方法。

3、拟解决的问题

目前国内研究对南方草地生产力等本底资料摸查相对不清楚；传统的MODIS-GPP方法在南方草地分散式分布特点前针对性不强，难以做到精确的有效监测。

（3）研究方案：

软件和数据准备工作：

a.从NASA GoddardCenter 下载SIF数据

b.从NASA ModisCenter, 下载MODIS-GPP产品

c.从中科院系统下载全国土地利用数据1km分辨率产品

d.准备ArcGIS,MRT,HDFview,R等工具对数据进行分析，提取，制图工作

具体过程：

a.选择研究区域的空间和时间尺度，并据此对SIF于MODIS-GPP数据进行选择和剪切。

b.根据土地覆盖数据，再次提取研究区域中的草地覆盖区域的SIF数据和MODIS-GPP数据；

c.选择合适的样点，在云贵川三省各选择一处SIF数据能够有多次覆盖的区域进行最终SIF数据提取；

d.利用MRT工具对MODIS-GPP产品进行拼接，得到样点区域以15天为单位的MODIS-GPP分布；

e.利用经验SIF-GPP模型，对选择的样点区域进行GPP预估，并与MODIS-GPP数据进行趋势和准确性分析比较；

f.对云贵川三省的样地进行GPP比较；

g.对同一样地的GPP做季节性分析评估。

（4）可行性分析

目前数据收集齐全，本人有这方面的理论和实践基础，指导老师有丰富的相关实践经历，可以提供一定的针对性指导。外界对SIF的应用有相对成功的案例，可供本人在此研究中参考借鉴