森林是主要的陆地生态系统碳库,准确评估森林碳通量和碳储量是估算未来大气CO2浓度,预测未来气候变化对陆地生态系统影响的关键。目前,森林碳循环是全球气候变化研究的焦点之一,而森林生产力的模拟是碳循环究的重点。我国东北森林是世界上3大块温带森林之一,占全国森林面积和森林蓄量积的1/3以上,在我国和全球碳循环和生态环境建设中起着重要的作用。然而东北森林碳循环的研究尚不全面,在我国和全球碳循环模拟、估算和预测中还急需来自该区域的研究成果。本文以遥感过程机理模型为主要研究手段对2007年东北地区森林和黑龙江省森林生产力进行了定量估算,并对时空格局变化及其影响因子(LAI、气象等)的响应进行了深入分析,旨在通过研究探索东北森林生态系统碳收支时空格局及其对气候变化的响应机制,形成采用遥感机理模型定量估算东北森林碳循环完善的方法体系。依据这一研究目的,本研究以lkm分辨率的MODIS土地覆盖类型数据、MODIS的LAI数据、气象数据、土壤数据为模型输入数据,采用修正的BEPS遥感机理模型估算东北森林的净初级生产力(NPP)、总初级生产力(GPP)和植物自养呼吸(Ra),并用获得NPP与通量数据进行对比分析,用迭代的方法进行植物生理参数优化,直到获得适合于东北森林的植物生理参数,然后利用100m分辨率的Landsat数据、气象数据、土壤数据,采用多种优化方法获得的植物生理参数估算了黑龙江省森林净初级生产力(NPP)、总初级生产力(GPP)和植物自养呼吸(Ra),并对模型输出的两种分辨率净初级生产力(NPP)、总初级生产力(GPP)和植物自养呼吸(Ra)数据进行了时空变化对比以及影响因子分析。针对上述问题展开了如下研究并得出相应的主要结论：1、MODIS和TM遥感数据的预处理。TM遥感数据的预处理包括多光谱数据组建、几何校正、辐射定标、大气校正等过程。为了减少遥感数据预处理的工作量,本研究采用IDL语言开发了遥感图像预处理程序(辐射定标程序、太阳高度角校正程序、辐射归一化程序等)。对MODIS三种数据产品进行预处理,包括图像的镶嵌、裁切、投影变化等,重点研究了应用LACC算法程序,对46幅MODIS2007年东北地区的LAI数据进行处理,并取得了很好的效果。2、TM遥感图像的分类。本研究采用较成熟的最大似然分类器对2007年黑龙江省TM遥感影像中的森林进行分类,分类系统为针叶林、阔叶林和针阔混交林。采用TM波段和增加不同辅助信息(NDVI、DEM、VDVI+DEM)四种方法,分别对三个区域TM遥感影像进行分类并进行精读比较分析,采用分类精度最高的方法,最终小兴安岭地区和大兴安岭地区采用6B分类方法,长白山采用6B+DEM的分类方法,大小兴安岭和长白山分类精度分别为：68.4%,77.7%、79.1%,并把分类结果与MODIS土地覆盖类型产品进行了比较。3、LAI定量反演。本研究以时间集中在8月中旬的TM遥感数据为基础,采用基于4-Scale几何光学模型和指数统计模型相结合的混合方法,对黑龙江省三大林区(大兴安岭、小兴安岭、长白山)分别估算了LAI,并对三个区域的LAI反演结果进行了常规统计和空间对比分析,结果为：黑龙江省林区阔叶林的LAI平均值约为3.1,针阔混交林的LAI平均值约为2.3,针叶林的LAI平均值约为2.3,整个黑龙江省森林的LAI平均值约为2.56。4、建立了土壤数据库。本研究土壤数据(AWC)由土壤质地数据确定,以东北地区土壤类型数据为基础,利用土壤质地和土壤类型的转换关系获得了土壤质地图,并应用DeJong和Loebe表格模型,获得了1km分辨率的黑龙江省土壤有效含水量栅格数据文件。5、建立了东北地区气象数据库。根据国家气象信息中心提供的东北三省96个和内蒙古10个站点2007年的气象数据,对站点气象数据进行了日变化分析,分析结果为2007年为正常年份无干旱和涝现象。以此数据为基础,采用克吕格插值的方法获得了每日的1km的栅格气象数据。该数据库包含了日最低温度、日最高温度、日太阳总辐射、日降水量、日相对湿度五种气象数据,共1825个栅格文件,数据量为15 G。由于气象数据处理的工作量特别的大,本项研究中编写了批量气象数据处理的程序进行气象数据处理。6、模型的参数优化及算法的改进。应用BEPS模型首先考虑的问题就是模型适应性的问题,本研究采用四种方法对BEPS模型的植物生理参数进行了优化：实测法、文献法、遥感反演法、迭代法,最终使BEPS模型的植物生理参数适合了东北地区森林NPP,GPP的估算,同时在模型算法上进行了优化,不仅提高了模型的运行速度,而且是使模型能够计算不同空间分辨率的输入数据。7、可视化BEPS模型运行系统的开发。应用Microsoft Visual C++ 6.0平台,开发了功能完善、算法先进的可视化BEPS模型运行系统,实现了LAI数据、逐日气象数据的智能读取和NPP、GPP、Ra的选择输出,并且输入输出数据的格式与ENVI的标准格式完全兼容。非专业人员获得输入数据之后,便可应用该系统对研究区的NPP.GPP.Ra进行估算,有利于BEPS模型的推广和应用。8、NPP、GPP和Ra的估算和时空分析。应用GIS和统计的方法,对采用MODIS数据估算的东北森林的净初级生产力(NPP)、总初级生产力(GPP)、植物自养呼吸(Ra)进行了空间和时间上分布规律研究,整个东北森林2007年GPP平均值为897.33gC·m-2·a-1、最大值为1294.89gC·m-2·a-1、最小值为494.51gC·m-2·a-1。2007年NPP平均值为369.92gC·m-2·a-1、最大值为632.82gC·m-2·a-1、最小值为75.17gC·m-2·a-1。2007年Ra平均值为296.86gC·m-2·a-1、最大值为529.51gC·m-2·a-1、最小值为80.35gC·m-2·a-1。本研究以小兴安岭为例对两套方案获取的不同空间分辨率NPP数据进行了年、季节、月和日多种时间分辨率上的全方位的的对比分析。从对比结果来看,采用两套分类数据(1km分辨率MODIS分类数据或100m分辨率TM分类数据)获得的不同空间分辨率2007年小兴安岭地区森林NPP差别不大。9、多种NPP验证方法研究。NPP的研究结果与森林资源清查固定样地数据、MODIS的NPP数据产品进行验证和对比,并获得了一致性结论：本研究的NPP模拟结果比较符合实际。获得的NPP数据还与其他研究者的研究成果进行了对比分析,本文的模拟值大小兴安岭NPP的平均值为369.92gC·m-2·a-1、最大值为632.82gC·m-2·a-1、最小值为75.17gC·m-2·a-1,模拟值都在取值范围内,说明BEPS模型模拟森林NPP较为合理可靠,并做了估算结果的不确定分析阐明了产生误差的原因。10、NPP影响因子及敏感性分析。本研究应用SPSS13.0软件,采用线性回归模型对小兴安岭地区的年NPP影响因子(LAI、气温、降水、太阳辐射、纬度)进行了回归分析,结果表明,LAI和NPP的关系极其显著,其相关系数为0.515,其原因LAI直接决定太阳短波辐射能量的植被吸收。其次为纬度相关系数为0.197。NPP与降水和温度呈正相关关系,相关系数比较低。选取植被参数(LAI)、气象因子(包括气温、降水、太阳辐射)等主要的影响因子,模拟不同的影响因子增减变化后NPP的结果,进行影响因子敏感性分析,统计该影响因子变化后NPP的变化量,并对不同影响因子的变化量进行分析。