论文部分内容阅读
草地生物量是反映草原生态系统健康状况的关键指标。研究草地生物量动态实时估算方法,获取其时空连续的分布状况,对于草原生态系统监测具有重要现实意义。目前基于遥感手段只能获取离散时相的生物量分布,无法揭示其内在生长发育的连续演进规律,而作物模型正好具备此优势。本文以青海省乌图美仁大草原为研究对象,以多源遥感数据和野外观测数据为基础,基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法,开展同化遥感定量反演参数叶面积指数(Leaf area index,LAI)到作物模型(WOrld FOod STudies,WOFOST)进行草地生物量估算的研究。最后基于野外验证数据评价同化前后的生物量估算精度。论文主要研究成果如下:(1)为克服由输入参数引起的模型模拟的不确定性,首先利用Sobol’敏感性分析方法筛选对WOFOST模型输出敏感的作物参数。然后依据地面实测数据和优化算法对敏感参数比叶面积、初始生物量干重、最大CO2同化率等进行调整。优化过程分别基于实测LAI值、实测生物量、实测LAI值和生物量构建三种不同的代价函数,对比分析校正结果显示,集成多源观测数据校正的模型能够更好的模拟潜在条件下的植被长势。这为模型后续在区域上的生物量模拟奠定了基础。(2)基于PROSAIL模型和查找表算法,以Landsat和MOD09A1为数据源,实现研究区多个时相的LAI反演。为解决该研究区植被特殊分布和病态反演问题,采取研究区分类,模型参数敏感性分析,构建不同查找表等反演策略,最后基于实测数据对反演结果进行评价。其中,Landsat数据的反演值与实测值的决定系数R2(the deterministic coefficient)为0.89,均方根误差(Root Mean Square Error,RMSE)为0.56;MOD09A1数据的反演值与实测值的R2为0.78,RMSE为0.61,反演精度均较高,可以应用于后续同化过程。(3)以LAI为连接点,基于EnKF算法将反演的多时相LAI值同化到校正后的作物模型中,更新模型状态变量,模拟研究区全年生物量在时空尺度的分布,最后基于实测数据验证同化后的生物量估算精度。结果显示,在验证点上,同化2011年和2014年Landsat-LAI后,RMSE分别降低了511.44 kg/ha和1009.88 kg/ha;同化2011年MOD09A-LAI后,RMSE降低了198.7 kg/ha。为评价同化后生物量在空间分布上的表现,本文进一步基于植被覆盖度对不同覆盖区的生物量进行统计,发现各植被覆盖区在同化后,生物量的估算结果都更接近于实测值,其空间分布状况也更符合实际情况。从而证明了本文基于数据同化的草地生物量估算方法的有效性。