基于MODIS的光化学植被指数反演水稻区域光能利用率*
2016-07-11郭建茂刘俊伟童应祥费敦悦
郭建茂,刘俊伟,童应祥,费敦悦,王 迁
(1. 南京信息工程大学应用气象学院,南京 210044;2. 安徽省寿县气象局,寿县 232200)
基于MODIS的光化学植被指数反演水稻区域光能利用率*
郭建茂1,刘俊伟1,童应祥2,费敦悦1,王 迁1
(1. 南京信息工程大学应用气象学院,南京 210044;2. 安徽省寿县气象局,寿县 232200)
摘要:为了探究光化学反射植被指数(Photochemical Reflectance Index, PRI)在反演大面积水稻光能利用率(Light Use Efficiency, LUE)方面的潜力,利用安徽寿县国家气候观象台通量观测数据和同期MODIS卫星数据,分别构建不同参照波段下(488、551和667nm)的PRIs与站点像元LUE间的模型,并尝试利用最优模型反演区域尺度的水稻光能利用率。结果表明,在所测试的参照波段中,来自后向散射方向影像提取的PRIs 与LUE的相关性更强,其中PRI551表现最优;与MOD17算法相比,利用PRI551-LUE模型反演的区域LUE值更符合实际,且空间分布差异明显,在多时相影像和完善数据插补方法的基础上,利用MODIS PRI在反演长时间、大面积植被的光能利用率或生产力方面具有可行性。
关键词:光化学反射植被指数;光能利用率;涡度相关法;MOD17算法;增强型植被指数(EVI)
郭建茂,刘俊伟,童应祥,等.基于MODIS的光化学植被指数反演水稻区域光能利用率[J].中国农业气象,2016,37(3):368-375
评估和预测区域尺度上陆地生态系统生产力的时空分布,对认识和理解区域乃至全球碳收支等具有重要意义,而遥感技术在此方面有着不可比拟的优势[1-4]。相关研究基于各类遥感产品构建了估算生态系统总初级生产力(Gross Primary Productivity,GPP)或净初级生产力(Net Primary Productivity,NPP)的数种模型,如CASA(Carnegie-Ames-Stanford Approach)[5]、GLO-PEM(GLObal ProductionEfficiency Model)[6]、植被指数模型[7]、VPM (Vegetation Photosynthesis Model)[8]、Two-leaf[9]等,其中又以光能利用率(Light Use Efficiency,LUE)模型应用较普遍,如MODIS(MODerate-resolution Imaging Spectroradiometer,MODIS)提供的全球GPP/NPP产品(MOD17A2/A3)[10],首先利用查表法(Biome Parameter Look-Up Table,BPLUT)确定某种类型植被的最大光能利用率(LUEmax),将其进行温、湿订正求算实际LUE后得到日GPP,最终合成为8d产品。然而该算法中LUE模型的精度较低,是造成MOD17A2产品中GPP低估的主要原因[11]。
上述问题的出现,促使生态遥感学家考虑能否通过遥感影像直接反演可靠的实际LUE,以取代目前复杂又有争议的模型方法。光化学反射植被指数(Photochemical Reflectance Index,PRI )[12]因其对反映叶片光合作用效率的指标——叶黄素含量的敏感[12-14],展现了直接估算LUE的巨大潜力。Drolet 等[15-17]先后尝试采用多光谱遥感数据,包括CHRIS (Compact High Resolution Imaging Spectrometer)和MODIS影像,以及地面通量数据,建立了适用区域尺度的PRI-LUE模型,并对影响PRI与LUE关系的因素进行了论证,而国内相关研究报道甚少,且国外研究中植被类型以森林植被为主,而针对农作物的研究寥寥,因此,为了探究PRI在估算区域水稻作物LUE方面的潜力,本文拟利用MODIS数据和通量数据,基于MODIS PRIs与站点植被的LUE间的最优模型,反演区域尺度的LUE分布,并将其与采用MOD17算法估算的LUE进行对比,以论证PRI-LUE模型在估算大面积水稻作物LUE的可行性。
1 材料与方法
1.1 研究区概况
寿县国家气候观象台(116°47′E,32°26′N)位于安徽省六安市寿县南部,距城区中心15km,海拔高度27m。周边无污染源和高层建筑,该站试验田面积达20hm2,试验田以单季中稻和冬小麦轮作为主,与当地种植制度一致,可代表黄淮海农田生态系统气候,同时观象台有大量同步气象数据和近地层通量观测系统数据可供研究使用。
1.2 MODIS卫星数据
MODIS多光谱的特点在监测植被动态变化[18]和土壤分类[19]方面有诸多优势,本文获取由陆地过程分布式数据档案中心提供的MODIS陆地系列产品,包括L1B级辐射率数据(MOD/MYD021KM)和25景8d合成的地表反射率数据(MOD09A1,分幅编号H27V05)。
首先获取2013年9月1日-10月20日(DOY244-293)覆盖研究区的辐射率数据影像,并按以下原则进行筛选:(1)筛选出研究区内无云碧空的数据。根据站点观测的光合有效辐射(Photosynthetically Active Radiation,PAR)数据,将具有完整的日变化正弦曲线作为无云碧空天气的标准。(2)减少遥感影像噪点,将获取影像中传感器天顶角大于45°的予以剔除。满足上述条件的影像共有20景,其中符合后向散射方向即研究区内传感器与太阳方位角夹角之差>60°[20]的有11景,前向散射方向即研究区内传感器与太阳方位角夹角之差<60°有9景,两者统称为全向散射方向,将上述影像进行几何校正和大气校正。
1.3 通量数据及预处理
1.3.1 数据预处理与剔除
CO2通量数据按以下步骤进行处理:(1)采用平面拟合坐标旋转方法对数据进行旋转订正[21],去除地形或仪器倾斜的影响;(2)进行WPL校正(Webb-Pearman-Leuning correction)[21],以消除水热通量输送造成的CO2密度变化;(3)采用差分法[22]剔除降水同期数据和明显的异常数据;(4)采用平均值比较法[23]确定摩擦风速临界值u*c=0.15m·s-1,剔除无效数据。
1.3.2 数据插补
一日内大气稳定度的不同,造成了同期CO2通量数据质量日间明显好于夜间[24],本文分别针对日间和夜间的净生态系统碳交换速率(Net Ecosystem Exchange,NEE)数据进行插补。
日间缺失数据采用平均昼夜变化法[22]插补,即
式中,h=1,2,…,48,为一天中每0.5h的索引,i=1,2,…,integer(D/n)+1,为平均窗口的索引,n为窗口大小,一般取7~14d,D为一年的天数,k为中间变量。上划线表示排除缺失数据后子集进行平均。
夜间缺失数据采用Lloyd & Taylor呼吸方程插补[25-26],即
式中,Renight为夜间生态系统呼吸速率,以CO2或C物质的量计(mmol·m-2·s-1),等于通量站观测的夜间NEE;Tref为参考温度,本文设为288.15K;ReTref为Tref下的生态系统呼吸(mmol·m-2·s-1);T0为生态系统呼吸为零时的温度,一般为227.13K[25];TK为5cm土壤温度。由于冠层内部CO2储存项对NEE贡献较小,本文未考虑储存项的影响。将日间和夜间的NEE数据插补之后,最终获得完整的半小时NEE数据。
1.4 植被光能利用率的计算
该站点半小时植被光能利用率(LUE)的计算式为
式中,GPP为植被总初级生产力(mmol·m-2·s-1),PAR为通量站观测的光合有效辐射,以光量子物质的量计(mmol photons·m-2·s-1)。考虑光合作用的实际情况,GPP和PAR按以下标准筛选出有效数据:PAR >5mmol photons·m-2·s-1;GPP>0,一般在10~35mmol·m-2·s-1范围内。FPAR为植被冠层光合有效辐射吸收系数(Fraction of absorbed Photosynthetically Active Radiation,FPAR),采用MOD09A1产品提取的增强型植被指数(Enhanced Vegetation Index,EVI)进行估算。
式(3)中,基于通量数据估算日间GPP,即
其中,Reday为日间生态系统呼吸速率(mmol·m-2·s-1),由式(2)中确立的参数ReTref、Tref以及呼吸方程外推得到。
站点像元的原始EVI经过云剔除、数据插补以及滤波重建后[27](图1),用于FPAR的估算,公式为
式中,rNIR、rRED和rBLUE分别表示近红外、红光和蓝光波段的地表反射率;G表示增益因子,设为2.5;L为土壤调节参数,设为1;C1和C2为气溶胶抵抗系数,设为6和7.5[28],a表示估算系数,设为1[8]。
图1 站点像元EVI数据重构Fig. 1 Filtered curve of EVI for site pixel
1.5 光化学反射植被指数的计算
光化学反射植被指数(PRI)最初是由Gamon 等[12]对向日葵生化特性的短期变化探测基础上提出的,被认为是监测叶片叶黄素变化和估算光能利用率的最佳手段之一,其定义为
式中,r531和rlref分别表示531nm和570nm处的反射率,一般将531nm称为测量波段,570nm称为参照波段。根据MODIS数据特征,r531为MODIS影像中第11波段的反射率,由于MODIS数据中缺少570nm参照波段,因此,选择570nm附近的相似波段作为替代,本文分别采用MODIS第10(488nm)、12(551nm)和13波段(667nm)作为替代参照波段进行计算。
2 结果与分析
2.1 植被光能利用率反演模型
考虑到太阳和传感器的几何关系对影像中站点像元反射率的影响[20],将MOD/MYD021KM产品中筛选出的20景影像以站点像元为标的,分为后向散射方向和全向散射方向,分别计算各种参照波段下的PRI值(PRI488、PRI551和PRI678),并分析其与影像过境时植被光能利用率(LUE)之间的关系,评估方式为显著性水平检验,结果见图2和表1。
由图2可见,后向散射和全向散射方向影像提取的PRIs与LUE最优的拟合形式相似,但拟合曲线中的参数略有不同,说明影像中传感器的视角变化并不能改变PRIs与LUE的相关性质,只是反映在拟合效果上的偏差。由表1可见,总体上,后向散射方向上的PRIs对LUE拟合效果优于全向散射方向,且各参照波段下两种方向的PRIs-LUE相关性保持一致。具体地,无论在后向散射或全向散射方向上,LUE与各参照波段PRIs的相关程度由大到小依次为PRI551、PRI488和PRI667,其中PRI488、PRI551与LUE呈线性相关,PRI667与LUE呈指数相关,但由于MODIS第12波段反射率r551<r531,根据式(7)得到的PRI551值为负数,因此,表现出PRI551与LUE呈负相关,但也可引入sPRI[29]将PRI551化为正值。与各参照波段PRIs相比,反映植被生长状态和植被覆盖度的EVI项,与LUE相关性差了很多,说明光能利用率不但与植被繁茂程度有关,更与其内部光化学反应能力有关。
选择反演LUE的最佳模型,除了比较表1中各模型的相关系数外,还需综合考虑以下因素:一是与指数模型相比,线性模型能避免PRI在LUE高值区的饱和;二是同一参照波段下的后向散射和全向散射方向模型间参数相差不宜过大。综上所述,本研究认为后向散射方向影像的MODIS PRI551最适合作为反演站点像元光能利用率的参数,故将其进一步用作尝试估算区域LUE。
图2 MODIS影像不同散射方向下PRIs(a-c)及EVI(d)与LUE的关系Fig. 2 Relationships between the PRIs using different formulations and LUE(a-c),EVI and LUE(d)
表1 图2中各拟合线对应方程的参数Table 1 Regression parameters of fitted lines in Fig.2
2.2 区域植被光能利用率反演
针对研究区域稻麦轮作的种植制度,本文基于Xiao等[30]算法及优化[31],提取出研究区水稻面积(图3),其中水稻像元约占23.86%,非水稻像元包括水体、城市和非水稻植被等占66.14%,采用MODIS后向散射影像提取的PRI551作为反演LUE的模型参数,则
根据式(8)构建区域LUEPRI(图4a),其中,影像时刻为当地时间儒略历第259天的11:15,表示11:00-11:30的LUE。
基于MOD17算法估算的同区域日平均LUE如图4b所示,其LUE计算式为
式中,LUEmax为最大光能利用率,农作物设为1.044g·MJ-1[10],约0.019mmol·mmol-1[32]。f(TMIN)和f(VPD)分别为一日内温度和饱和水汽压差对植被光合作用的胁迫,其中
对农作物产生胁迫的最低气温范围TMINmin和TMINmax分别为-8℃和12.02℃[10];最低饱和水汽压差范围VPDmin和VPDmax分别为650Pa和4300Pa[10]。
如表2所示,基于MOD17算法的LUEMOD17普遍小于PRI-LUE模型反演的LUEPRI,并明显低估了站点像元的LUE,主要是由于式(9)中LUEmax估值偏低,这在多种植被类型均有所提及[9,11]。此外,LUEMOD17区域差异小,说明在一定区域内气温和水分对植被光合过程的胁迫,差别并不显著。而与LUEMOD17相比,LUEPRI表达式简单,且其有坚实的理论基础,其值也接近前人的研究结果[33]。另一方面,LUEPRI的离散程度较大,展示出其空间分布的差异性明显,这与实际的水稻种植考察情况相符。除温、湿度外,同种类型植被光能利用率的影响因素还有大气透射、植被冠层结构、非光合组织呼吸以及自身光化学转化效率等[34],在外界环境条件和植被自身状况的共同作用下,植被光能利用率的分布应有所差异。
图3 基于MODIS时序植被指数提取的研究区内水稻像元分布Fig. 3 Distribution of rice paddy pixels in study area based on MODIS vegetation index time series
图4 基于PRI-LUE模型(a)和MOD17算法反演(b)LUE值的分布Fig. 4 LUE maps derived using PRI-LUE model(a) and the MOD17 algorithm(b)
表2 图4中LUE的均值、标准偏差和离散系数Table 2 Mean, standard deviation and variation coefficient of LUE from PRI and MOD17 algorithm in Fig. 4
3 结论与讨论
3.1 结论
(1)在测试的488、551和667nm波段中,来自后向散射方向影像提取的PRIs与站点LUE的相关性更强,其中PRI551表现最优。
(2)对通过PRI-LUE模型和MOD17算法绘制的区域LUE的比较表明,前者的空间差异性明显,且其模型简单,反演的LUE符合植被实际状况,故本文认为PRI-LUE模型是反演瞬时区域LUE的潜在方法之一。
(3)虽然本文采用PRI-LUE模型仅反演了晴空条件下瞬时区域LUE,但在完善多时相影像和数据插补方法的基础上,能够进一步反演区域GPP/NPP等。
3.2 讨论
在叶片和冠层尺度上,已证明PRI能够较好地响应LUE的变化[35],然而利用MODIS影像外推至区域尺度仍然存在诸多困难。一是MODIS影像的客观限制,如卫星过境时间集中(在当地时间11:00-14:00)、研究区被云遮盖、太阳和传感器几何关系对像元信息的影响以及传感器数据偏差等;二是地面通量数据误差。从采集的数据(如采样频率、设备故障、湍流等)到数据的预处理过程(如缺失数据的插补、生态系统GPP和呼吸项Re的分离),但经过合理的数据质量控制,误差相对较小;三是中间参数误差。如本文将MOD09A1提取的EVI重构后近似为FPAR项,这与实际的FPAR是存在误差的。
与基于MOD17算法的LUE相比,利用MODIS PRI551反演的区域LUE有以下优势:(1)空间差异明显;(2)模型简单、输入变量少;(3)无需预先估算各类植被类型的最大光能利用率,避免混合像元中非特定植被带来的误差。
然而将反演的区域LUE进一步推广,如构建月、年尺度区域GPP模型,仍有多方面需完善。一是增加地面通量站点,验证并订正MODIS PRI-LUE模型;二是覆盖多种植被类型;三是建立利用多时相影像的数据插补方法,解决因研究区云遮蔽而无效的问题。
参考文献References
[1]Running S W,Baldocchi D D,Turner D P,et al.A global terrestrial monitoring network integrating tower fluxes, flasksampling,ecosystem modeling and EOS satellite data[J]. Remote Sensing of Environment,1999,70(1):108-127.
[2]Turner D P,Ollinger S V,Kimball J S.Integrating remote sensing and ecosystem process models for landscape-to regional-scale analysis of the carbon cycle[J].Bioscience, 2004,54(6):573-584.
[3]王宗明,张柏.区域尺度作物生产力对全球变化响应的研究进展及展望[J].中国农业气象,2005,26(2):112-115.
Wang Z M,Zhang B.Progress and prospect in research of responses of regional crop productivity to global change[J]. Chinese Journal of Agrometeorology,2005,26(2):112-115.(in Chinese)
[4]袁文平,蔡文文,刘丹,等.陆地生态系统植被生产力遥感模型研究进展[J].地球科学进展,2014,29(5):541-550.
Yuan W P,Cai W W,Liu D,et al.Satellite-based vegetation production models of terrestrial ecosystem:an overview[J]. Advances in Earth Science,2014,29(5):541-550.(in Chinese)
[5]Potter C S,Randerson J T,Field C B,et al.Terrestrial ecosystem production:aprocess model based on global satellite and surface data[J].Global Biochemical Cycle,1993,7(4): 811-841.
[6]Prince S D,Goward S N.Global primary production:a remote sensing approach[J].Journal of Biogeography, 1995,22(4/5): 815-835.
[7]Peruelo J M,Oesterheld M,di Bella C M,et al.Estimation of primary production of subhumid rangelands from remote sensing data[J].Applied Vegetation Science,2000,3(2): 189-195.
[8]Xiao X,Hollinger D,Aber J,et al.Satellite-based modeling of gross primary production in an evergreen needleleafforest[J]. Remote Sensing of Environment,2004,89(4):519-534.
[9]何明珠.遥感数据与两叶光能利用率模型同化的总初级生产力模拟[D].南京:南京大学,2013:1-46.
He M Z.Simulating gross primary productivity by assimilating remote sensing data with a two-leaf light use efficiency model[D].Nanjing:Nanjing University,2013:1-46.(in Chinese)
[10]Running S W,Zhao M.User’sguide:daily GPP and annual NPP(MOD17A2/A3) products NASA earth observing system MODIS land algorithm[OL].http://www.ntsg.umt. edu/sites/ntsg.umt.edu/files/modis/MOD17UsersGuide2015_ v3. pdf,2015-10-07.
[11]Wang X F,Ma M G,Li X,et al.Validation of MODIS GPP product at 10 flux sites in northern China[J].International Journal of Remote Sensing,2013,34(2):587-599.
[12]Gamon J A,Field C B,Bilger W,et al.Remote sensing of the xanthophyll cycle and chlorophyll fluorescence in sunflower leaves and canopies[J].Oecologia,1990,85(1): 1-7.
[13]Penuelas J,Filella I,Gamon J A.Assessment of photosynthetic radiation-use efficiency with spectral reflectance[J].New Phytologist,1995,131(3):291-296.
[14]Filella I,Amaro T,Araus J L,et al.Relationship between photosynthetic radiation-use efficiency of barley canopies and the photochemical reflectance index (PRI)[J].Physiology Plantarum,1996,96(2):211-216.
[15]Drolet G G,Middleton E M,Huemmrich K F,et al.Regional mapping of gross light-use efficiency using MODIS spectral indices[J].Remote Sensing of Environment,2008,112(6): 3064-3078.
[16]Hilker T,Hall F G,Tucker C J,et al.Data assimilation of photosynthetic light-use efficiency using multi-angular satellitedata II:model implementation and validation[J]. Remote Sensing of Environment,2012,121(138):287-300.
[17]Moreno A,Maselli F,Gilabert M A,et al.Assessment of MODIS imagery to track light-use efficiency in a water-limitedMediterranean pine forest[J].Remote Sensing of Environment,2012,123(6):359-367.
[18]张树誉,李登科,景毅刚,等.基于MODIS时序植被指数的陕西植被季相变化分析[J].中国农业气象,2007,28(1):88-92.
Zhang S Y,Li D K,Jing Y G,et al.Analysis of seasonal dynamics of vegetation change in Shanxi province based MODIS NDVI time series data[J].Chinese Journal of Agrometeorology, 2007,28(1):88-92.(in Chinese)
[19]张春桂,潘卫华,陈惠,等.应用MODIS数据监测福州地区土地利用/覆盖变化[J].中国农业气象,2006,27(4):300-304.
Zhang C G,Pan W H,Chen H,et al.Application of MODIS data to monitoring of land use/cover changes in Fuzhou region[J].Chinese Journal of Agrometeorology,2006,27(4): 300-304.(in Chinese)
[20]谢小萍.基于MODIS数据估算区域光合有效辐射和光能利用率的方法研究[D].南京:南京信息工程大学,2009: 1-124.
Xie X P.Estimation of regional photosynthetically active radiation and light use efficiency based on MODIS[D]. Nanjing:Nanjing University of Information Science & Technology,2009:1-124.(in Chinese)
[21]Webb E K,Pearman G L,Leuning R.Correction of flux measurements for density effects due to heat and water vapourtransfer[J].Quarterly Journal of the Royal Meteorological Society,1980,106(447):85-100.
[22]李春,何洪林,刘敏,等.ChinaFLUX CO2通量数据处理系统与应用[J].地球信息科学,2008,10(5):557-565.
Li C,He H L,Liu M,et al.The design and application of CO2flux data processing system at China Flux[J].Geo-information Science,2008,10(5):557-565.(in Chinese)
[23]朱治林,孙晓敏,温学发,等.中国通量网(ChinaFLUX)夜间CO2涡度相关通量数据处理方法研究[J].中国科学(D辑):地球科学,2006,36(增Ⅰ):34-44.
Zhu Z L,Sun X M,Wen X F,et al.The research of night CO2flux data processing method at China Flux[J].Science in China(Ser. D) Earth Sciences,2006,36(s1):34-44.(in Chinese)
[24]于贵瑞,孙晓敏,等.陆地生态系统通量观测的原理与方法[M].北京:高等教育出版社,2006:1-508.
Yu G R,Sun X M,et al.Principles of flux measurement in terrestrial ecosystems[M].Beijing:Higher Education Press,2006:1-508.(in Chinese)
[25]Lloyd J,Taylor J A.On the temperature dependence of soil respiration[J].Functional Ecology,1994,8(3):315-323.
[26]Falge E,Baldocchi D D,OlsonR,et al.Gap-filling strategies for defensible annual sums of net ecosystem exchange[J]. Agricultural and Forest Meteorology,2001,107(1):43-69.
[27]张峰,吴炳方,刘成林,等.区域作物生长过程的遥感提取方法[J].遥感学报,2004,8(6):515-528.
Zhang F,Wu B F,Liu C L,et al.A method to extract regional crop growth profile with time series of NDVI data[J].Journal of Remote Sensing,2004,8(6):515-528.(in Chinese)
[28]Huete A R,Liu H Q,Batchily K,et al.A comparison of vegetation indices over a global set of TM images for EOS-MODIS[J].Remote Sensing of Environment,1997, 59(96):440-451.
[29]Drolet G G,Huemmrich K F,Hall F G.A MODIS-derived photochemical reflectance index to detect inter-annual variations in the photosynthetic light-use efficiency of a boreal deciduous forest[J].Remote Sensing of Environment, 2005,98(2-3):212-224.
[30]Xiao X,Boles S,Liu J,et al.Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J]. Remote Sensing of Environment,2005,95(4): 480-492.
[31]李根,景元书,王琳,等.基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取[J].大气科学学报,2014, 37(1):119-126.
Li G,Jing Y S,Wang L,et al.Extraction of paddy planting areas based on MODIS vegetation index time series and linear spectral mixture model[J].Transactions of Atmosphere Sciences,2014,37(1):119-126.(in Chinese)
[32]朱志辉,张福春.我国陆地生态系统的植物太阳能利用率[J].生态学报,1985,5(4):343-355.
Zhu Z H,Zhang F C.Solar energy utilization efficiency of the land plants in China[J].Acta Ecologiaca Sinica, 1985,5(4): 343-355.(in Chinese)
[33]Turner D P,Urbanski S,Bremer D,et al.A cross-biome comparison of daily light use efficiency for gross primary production[J].Global Change Biology,2003,9(3):383-395.
[34]Monteith J L.Solar radiation and productivity in tropical ecosystems[J].The Journal of Applied Ecology,1972,9(3): 747-766.
[35]陈晋,唐艳鸿,陈学泓,等.利用光化学反射植被指数估算光能利用率研究的进展[J].遥感学报,2009,12(2):331-337.
Chen J,Tang Y H,Chen X H,et al.The review of estimating light use efficiency through photochemical reflectance index(PRI) [J].Journal of Remote Sensing,2009,12(2):331-337.(in Chinese)
Regional Mapping of Light Use Efficiency for Paddy Rice by Using MODIS Photochemical Reflectance Index
GUO Jian-mao1, LIU Jun-wei1, TONG Ying-xiang2, FEI Dun-yue1, WANG Qian1
(1. College of Applied Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2. Shouxian Meteorology Bureau, Anhui Provinces, Shouxian 232200)
Abstract:In order to explore the potentiality of the Photochemical Reflectance Index(PRI) in predicting light use efficiency(LUE) at regional scales, eddy covariance flux data of Shouxian station and corresponding MODIS imagery were utilized to establish different models which concerned three formulations of PRIs calculated from a set of alternative reference bands at 488,551,667nm and LUE of site pixel. Then, the optimal model was chosen to create a regional LUE map for paddy rice. The results showed that, the relationships between MODIS PRIs from observations closer to the backscatter direction and LUE were always stronger, and PRI551exhibited the strongest relationship with LUE among MODIS PRIs. Compared to regional LUE derived using the MOD17 algorithm, more realistic spatial heterogeneity of LUE was appeared in the MODIS PRI551-derived LUE map. Moreover, with multi-temporal imagery and appropriate gap-filling methods be used, MODIS PRI has certain feasibility on long-period and large-area monitoring of ecosystem LUE.
Key words:Photochemical reflectance index; Light use efficiency; Eddy covariance; MOD17 algorithm; Enhanced vegetation index(EVI)
doi:10.3969/j.issn.1000-6362.2016.03.013
* 收稿日期:2015-10-26
基金项目:国家自然科学基金(41071282);江苏省重点研发计划(现代农业)项目(BE2015365);行业专项(GYHY201506018);中国气象局预报预测核心业务发展专项(XMAHX20160311)
作者简介:郭建茂(1968-),博士,副教授,主要从事农业气象和农业遥感研究。E-mail:001878@nuist.edu.cn