植被净初级生产力(Net Primary Productivity,NPP)是湿地功能的重要参数之一,直接反映湿地植被群落在自然环境条件下的生产能力以及湿地生态系统的质量状况。芦苇湿地是一种独特的草本湿地类型,开展芦苇湿地NPP的精确估算,对于理解区域碳循环和评估生态系统健康等具有重要的科学意义。本文在综合考虑气候梯度和分布格局的基础上,选择中国东北地区三江平原七星河、松嫩平原查干湖、辽河平原双台河口三个典型的且具有空间梯度的芦苇湿地作为研究对象,通过实地观测、遥感和GIS(Geographic Information System)分析、统计分析等方法相结合,开展芦苇湿地植被NPP模型构建、估算及空间格局与影响因素分析。以中等分辨率的Landsat 8 OLI(Operational Land Imager)卫星影像作为遥感数据源,基于面向对象的湿地信息提取方法,开展3个湿地样区芦苇湿地分布空间制图;应用线性混合像元分解模型对Landsat数据进行混合像元分解,实现芦苇植被光谱反射率信息的精确提取,进而得到3个芦苇湿地样区的所有精确植被指数;于2014年芦苇生物量最大时期开展3个湿地样区地面调查,实测得到芦苇地上生物量、叶面积指数、叶片叶绿素含量、光合有效辐射等数据,分析不同植被指数对叶绿素含量、光能利用率、植被吸收的光合有效辐射、净初级生产力的敏感性,确定反演光能利用率和植被吸收的光合有效辐射的最优植被指数;基于光能利用率模型的基本结构式,构建和评价以最优植被指数为自变量的芦苇植被净初级生产力估算的遥感驱动模型;基于该优化模型开展典型芦苇湿地样区的植被净初级生产力估算、格局及其影响因素分析。通过上述研究,以期加强对芦苇湿地生态系统碳收支的理解,为区域芦苇湿地生境的评估和湿地生态系统管理与保护提供科学依据。本论文的主要研究结论如下:一、基于面向对象的芦苇湿地分布信息提取及空间格局特征分析七星河芦苇湿地、查干湖芦苇湿地、双台河口芦苇湿地的面积分别为122.19、75.29和439.61km2,其中,七星河芦苇湿地占保护区总面积的比例最高,芦苇斑块分布相对密集,景观连通性较好;查干湖湿地芦苇斑块相对较小;双台河口湿地的芦苇面积最大,沿双台子河主要分布在保护区北部。三个湿地样区的总体分类精度都在82%以上,说明应用面向对象的分类方法,基于多时相的遥感影像充分挖掘不同群落的光谱特征、形状特征和物候差异,能够较好地在群落尺度上开展湿地精细分类。二、植被指数精确计算及与光能利用率模型关键参数的关系分析基于线性混合像元分解模型精确提取芦苇湿地的光谱反射率信息,进而得到精确植被指数,空间制图及分析发现:除evi(enhancedvegetationindex)在表征芦苇湿地特征差异方面表现稍差外,其他光谱指数均呈现出较好的表征能力。ndvi(normalizeddifferencevegetationindex,归一化差异植被指数)、rvi(ratiovegetationindex,比值植被指数)、wdvi(weighteddifferencevegetationindex,权重差异植被指数)、cigreen(greenchlorophyllindex,绿色叶绿素指数)、msavi(modifiedsoiladjustedvegetationindex,修正型土壤调整植被指数)五种植被指数均呈现出较为一致的空间格局特征。总体上,植被指数值特点为:耕地作物植被>芦苇植被>其他湿地植被>水体。分析发现,lue和叶绿素及植被指数之间确实存在密切的关系,证明基于植物的生态学原理,以叶绿素作为中间变量,可以实现基于遥感植被指数的lue区域反演结果。七个指数中,ndvi对lue的敏感性更强(p<0.01;y=8.4548x1.2025,r2=0.62)是本研究中表征芦苇光能利用率的最佳光谱指数。分析apar与植被指数的关系发现,msavi对apar变化的敏感性最强,相关系数为0.705,msavi与apar之间的一元二次多项式较其他形式能够更好地表达二者间的回归关系(r2=0.56),因此本文选择msavi作为apar估算的最优植被指数,同样验证了依托植被指数进行apar估算的可行性。三、基于光能利用率模型基本结构的芦苇npp估算模型构建、评价与应用基于与叶绿素含量相关的植被指数与lue和apar的关系分析结果,本论文构建了以ndvi和msavi为参数的遥感驱动模型,对比确定模型npp=(–8e–06(937.36×ndvi1.8918)2+0.0113(937.36×ndvi1.8918)+0.9407)×(–8069.8×msavi2+10292×msavi–1542.9)为芦苇湿地npp估算的最优模型,估算精度为72.0%。基于芦苇npp均值对比的结果,modisbio-bgc模型的产品和他人casa模型估算精度仅为13%和24%,而本文构建的遥感驱动模型估算精度为89%,说明该模型比当前常用的npp产品及其他方法估算的npp精度有大幅提高,数据可靠,可以用于实际研究。应用上述模型计算得到三个湿地样区的芦苇植被npp,均值由大到小分别为七星河湿地3001gc·m–2·yr–1<查干湖湿地3050gc·m–2·yr–1<双台河口湿地3621gc·m–2·yr–1。分布格局与植被指数的特点类型。比较三个典型芦苇湿地样区植被npp和气候因子的格局梯度发现,年均气温、年降水量、年日照时数是影响样区间芦苇湿地npp空间格局的重要因素。综上所述,依托植物的生理生态学原理,利用遥感数据宏观易获取的优势,可以实现基于遥感植被指数的光能利用率便捷高效准确估算,解决了区域不同类型植被npp估算及分析研究的重要难题,为区域植被npp研究及碳循环等研究提供方法借鉴。同时,基于国际主流的植被npp估算模型基本结构式,在保留充分的理论基础的前提下,构建以遥感数据为基础的、以植被指数作为自变量的函数组合的npp估算模型,思路切实可行,数据结果可信度高,为区域尺度植被生产力估算及分析研究提供了新的视角,对于推动定量遥感在湿地科学领域的应用及推动我国全球变化与陆地生态系统研究领域的进展具有重要意义。光能利用率模型仍是目前国内外植被生产力研究的主要手段。为进一步理解和优化湿地植被npp估算的光能利用率模型,需加强芦苇群落结构生态参数的实地观测与调查,缩短观测周期,获取更详细、准确的实测数据,以深入探究全球变化背景下不同尺度的湿地碳循环机理。同时,在湿地植物群落结构遥感识别方面,可以尝试多种方法及多源数据相结合的方式,以满足湿地生态系统精细管理对群落结构识别日渐强烈的需求。