基于MODIS的光化學植被指數反演水稻區域光能利用率*

郭建茂，劉俊偉，童應祥，費敦悅，王 遷

(1. 南京信息工程大學應用氣象學院，南京 210044；2. 安徽省壽縣氣象局，壽縣 232200)

?

基于MODIS的光化學植被指數反演水稻區域光能利用率*

郭建茂1，劉俊偉1，童應祥2，費敦悅1，王 遷1

(1. 南京信息工程大學應用氣象學院，南京 210044；2. 安徽省壽縣氣象局，壽縣 232200)

摘要：為了探究光化學反射植被指數（Photochemical Reflectance Index, PRI）在反演大面積水稻光能利用率（Light Use Efficiency, LUE）方面的潛力，利用安徽壽縣國家氣候觀象臺通量觀測數據和同期MODIS衛星數據，分別構建不同參照波段下（488、551和667nm）的PRIs與站點像元LUE間的模型，并嘗試利用最優模型反演區域尺度的水稻光能利用率。結果表明，在所測試的參照波段中，來自后向散射方向影像提取的PRIs 與LUE的相關性更強，其中PRI551表現最優；與MOD17算法相比，利用PRI551-LUE模型反演的區域LUE值更符合實際，且空間分布差異明顯，在多時相影像和完善數據插補方法的基礎上，利用MODIS PRI在反演長時間、大面積植被的光能利用率或生產力方面具有可行性。

關鍵詞：光化學反射植被指數；光能利用率；渦度相關法；MOD17算法；增強型植被指數（EVI）

郭建茂,劉俊偉,童應祥,等.基于MODIS的光化學植被指數反演水稻區域光能利用率[J].中國農業氣象,2016,37(3):368-375

評估和預測區域尺度上陸地生態系統生產力的時空分布，對認識和理解區域乃至全球碳收支等具有重要意義，而遙感技術在此方面有著不可比擬的優勢[1-4]。相關研究基于各類遙感產品構建了估算生態系統總初級生產力（Gross Primary Productivity，GPP）或凈初級生產力（Net Primary Productivity，NPP）的數種模型，如CASA（Carnegie-Ames-Stanford Approach）[5]、GLO-PEM（GLObal ProductionEfficiency Model）[6]、植被指數模型[7]、VPM （Vegetation Photosynthesis Model）[8]、Two-leaf[9]等，其中又以光能利用率（Light Use Efficiency，LUE）模型應用較普遍，如MODIS（MODerate-resolution Imaging Spectroradiometer，MODIS）提供的全球GPP/NPP產品（MOD17A2/A3）[10]，首先利用查表法（Biome Parameter Look-Up Table，BPLUT）確定某種類型植被的最大光能利用率（LUEmax），將其進行溫、濕訂正求算實際LUE后得到日GPP，最終合成為8d產品。然而該算法中LUE模型的精度較低，是造成MOD17A2產品中GPP低估的主要原因[11]。

上述問題的出現，促使生態遙感學家考慮能否通過遙感影像直接反演可靠的實際LUE，以取代目前復雜又有爭議的模型方法。光化學反射植被指數(Photochemical Reflectance Index，PRI )[12]因其對反映葉片光合作用效率的指標——葉黃素含量的敏感[12-14]，展現了直接估算LUE的巨大潛力。Drolet 等[15-17]先后嘗試采用多光譜遙感數據，包括CHRIS （Compact High Resolution Imaging Spectrometer）和MODIS影像，以及地面通量數據，建立了適用區域尺度的PRI-LUE模型，并對影響PRI與LUE關系的因素進行了論證，而國內相關研究報道甚少，且國外研究中植被類型以森林植被為主，而針對農作物的研究寥寥，因此，為了探究PRI在估算區域水稻作物LUE方面的潛力，本文擬利用MODIS數據和通量數據，基于MODIS PRIs與站點植被的LUE間的最優模型，反演區域尺度的LUE分布，并將其與采用MOD17算法估算的LUE進行對比，以論證PRI-LUE模型在估算大面積水稻作物LUE的可行性。

1 材料與方法

1.1 研究區概況

壽縣國家氣候觀象臺（116°47′E，32°26′N）位于安徽省六安市壽縣南部，距城區中心15km，海拔高度27m。周邊無污染源和高層建筑，該站試驗田面積達20hm2，試驗田以單季中稻和冬小麥輪作為主，與當地種植制度一致，可代表黃淮海農田生態系統氣候，同時觀象臺有大量同步氣象數據和近地層通量觀測系統數據可供研究使用。

1.2 MODIS衛星數據

MODIS多光譜的特點在監測植被動態變化[18]和土壤分類[19]方面有諸多優勢，本文獲取由陸地過程分布式數據檔案中心提供的MODIS陸地系列產品，包括L1B級輻射率數據（MOD/MYD021KM）和25景8d合成的地表反射率數據（MOD09A1，分幅編號H27V05）。

首先獲取2013年9月1日-10月20日（DOY244-293）覆蓋研究區的輻射率數據影像，并按以下原則進行篩選：（1）篩選出研究區內無云碧空的數據。根據站點觀測的光合有效輻射（Photosynthetically Active Radiation，PAR）數據，將具有完整的日變化正弦曲線作為無云碧空天氣的標準。（2）減少遙感影像噪點，將獲取影像中傳感器天頂角大于45°的予以剔除。滿足上述條件的影像共有20景，其中符合后向散射方向即研究區內傳感器與太陽方位角夾角之差＞60°[20]的有11景，前向散射方向即研究區內傳感器與太陽方位角夾角之差＜60°有9景，兩者統稱為全向散射方向，將上述影像進行幾何校正和大氣校正。

1.3 通量數據及預處理

1.3.1 數據預處理與剔除

CO2通量數據按以下步驟進行處理：（1）采用平面擬合坐標旋轉方法對數據進行旋轉訂正[21]，去除地形或儀器傾斜的影響；（2）進行WPL校正（Webb-Pearman-Leuning correction）[21]，以消除水熱通量輸送造成的CO2密度變化；（3）采用差分法[22]剔除降水同期數據和明顯的異常數據；（4）采用平均值比較法[23]確定摩擦風速臨界值u*c=0.15m·s-1，剔除無效數據。

1.3.2 數據插補

一日內大氣穩定度的不同，造成了同期CO2通量數據質量日間明顯好于夜間[24]，本文分別針對日間和夜間的凈生態系統碳交換速率（Net Ecosystem Exchange，NEE）數據進行插補。

日間缺失數據采用平均晝夜變化法[22]插補，即

式中，h=1，2，…，48，為一天中每0.5h的索引，i=1，2，…，integer(D/n)+1，為平均窗口的索引，n為窗口大小，一般取7～14d，D為一年的天數，k為中間變量。上劃線表示排除缺失數據后子集進行平均。

夜間缺失數據采用Lloyd & Taylor呼吸方程插補[25-26]，即

式中，Renight為夜間生態系統呼吸速率，以CO2或C物質的量計（mmol·m-2·s-1），等于通量站觀測的夜間NEE；Tref為參考溫度，本文設為288.15K；ReTref為Tref下的生態系統呼吸（mmol·m-2·s-1）；T0為生態系統呼吸為零時的溫度，一般為227.13K[25]；TK為5cm土壤溫度。由于冠層內部CO2儲存項對NEE貢獻較小，本文未考慮儲存項的影響。將日間和夜間的NEE數據插補之后，最終獲得完整的半小時NEE數據。

1.4 植被光能利用率的計算

該站點半小時植被光能利用率（LUE）的計算式為

式中，GPP為植被總初級生產力（mmol·m-2·s-1），PAR為通量站觀測的光合有效輻射，以光量子物質的量計（mmol photons·m-2·s-1）?？紤]光合作用的實際情況，GPP和PAR按以下標準篩選出有效數據：PAR ＞5mmol photons·m-2·s-1；GPP＞0，一般在10～35mmol·m-2·s-1范圍內。FPAR為植被冠層光合有效輻射吸收系數（Fraction of absorbed Photosynthetically Active Radiation，FPAR），采用MOD09A1產品提取的增強型植被指數（Enhanced Vegetation Index，EVI）進行估算。

式（3）中，基于通量數據估算日間GPP，即

其中，Reday為日間生態系統呼吸速率（mmol·m-2·s-1），由式（2）中確立的參數ReTref、Tref以及呼吸方程外推得到。

站點像元的原始EVI經過云剔除、數據插補以及濾波重建后[27]（圖1），用于FPAR的估算，公式為

式中，rNIR、rRED和rBLUE分別表示近紅外、紅光和藍光波段的地表反射率；G表示增益因子，設為2.5；L為土壤調節參數，設為1；C1和C2為氣溶膠抵抗系數，設為6和7.5[28]，a表示估算系數，設為1[8]。

圖1 站點像元EVI數據重構Fig. 1 Filtered curve of EVI for site pixel

1.5 光化學反射植被指數的計算

光化學反射植被指數（PRI）最初是由Gamon 等[12]對向日葵生化特性的短期變化探測基礎上提出的，被認為是監測葉片葉黃素變化和估算光能利用率的最佳手段之一，其定義為

式中，r531和rlref分別表示531nm和570nm處的反射率，一般將531nm稱為測量波段，570nm稱為參照波段。根據MODIS數據特征，r531為MODIS影像中第11波段的反射率，由于MODIS數據中缺少570nm參照波段，因此，選擇570nm附近的相似波段作為替代，本文分別采用MODIS第10（488nm）、12（551nm）和13波段（667nm）作為替代參照波段進行計算。

2 結果與分析

2.1 植被光能利用率反演模型

考慮到太陽和傳感器的幾何關系對影像中站點像元反射率的影響[20]，將MOD/MYD021KM產品中篩選出的20景影像以站點像元為標的，分為后向散射方向和全向散射方向，分別計算各種參照波段下的PRI值（PRI488、PRI551和PRI678），并分析其與影像過境時植被光能利用率（LUE）之間的關系，評估方式為顯著性水平檢驗，結果見圖2和表1。

由圖2可見，后向散射和全向散射方向影像提取的PRIs與LUE最優的擬合形式相似，但擬合曲線中的參數略有不同，說明影像中傳感器的視角變化并不能改變PRIs與LUE的相關性質，只是反映在擬合效果上的偏差。由表1可見，總體上，后向散射方向上的PRIs對LUE擬合效果優于全向散射方向，且各參照波段下兩種方向的PRIs-LUE相關性保持一致。具體地，無論在后向散射或全向散射方向上，LUE與各參照波段PRIs的相關程度由大到小依次為PRI551、PRI488和PRI667，其中PRI488、PRI551與LUE呈線性相關，PRI667與LUE呈指數相關，但由于MODIS第12波段反射率r551＜r531，根據式（7）得到的PRI551值為負數，因此，表現出PRI551與LUE呈負相關，但也可引入sPRI[29]將PRI551化為正值。與各參照波段PRIs相比，反映植被生長狀態和植被覆蓋度的EVI項，與LUE相關性差了很多，說明光能利用率不但與植被繁茂程度有關，更與其內部光化學反應能力有關。

選擇反演LUE的最佳模型，除了比較表1中各模型的相關系數外，還需綜合考慮以下因素：一是與指數模型相比，線性模型能避免PRI在LUE高值區的飽和；二是同一參照波段下的后向散射和全向散射方向模型間參數相差不宜過大。綜上所述，本研究認為后向散射方向影像的MODIS PRI551最適合作為反演站點像元光能利用率的參數，故將其進一步用作嘗試估算區域LUE。

圖2 MODIS影像不同散射方向下PRIs（a-c）及EVI（d）與LUE的關系Fig. 2 Relationships between the PRIs using different formulations and LUE(a-c),EVI and LUE(d)

表1 圖2中各擬合線對應方程的參數Table 1 Regression parameters of fitted lines in Fig.2

2.2 區域植被光能利用率反演

針對研究區域稻麥輪作的種植制度，本文基于Xiao等[30]算法及優化[31]，提取出研究區水稻面積（圖3），其中水稻像元約占23.86%，非水稻像元包括水體、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作為反演LUE的模型參數，則

根據式（8）構建區域LUEPRI（圖4a），其中，影像時刻為當地時間儒略歷第259天的11：15，表示11：00-11：30的LUE。

基于MOD17算法估算的同區域日平均LUE如圖4b所示，其LUE計算式為

式中，LUEmax為最大光能利用率，農作物設為1.044g·MJ-1[10]，約0.019mmol·mmol-1[32]。f(TMIN)和f(VPD)分別為一日內溫度和飽和水汽壓差對植被光合作用的脅迫，其中

對農作物產生脅迫的最低氣溫范圍TMINmin和TMINmax分別為-8℃和12.02℃[10]；最低飽和水汽壓差范圍VPDmin和VPDmax分別為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，并明顯低估了站點像元的LUE，主要是由于式（9）中LUEmax估值偏低，這在多種植被類型均有所提及[9,11]。此外，LUEMOD17區域差異小，說明在一定區域內氣溫和水分對植被光合過程的脅迫，差別并不顯著。而與LUEMOD17相比，LUEPRI表達式簡單，且其有堅實的理論基礎，其值也接近前人的研究結果[33]。另一方面，LUEPRI的離散程度較大，展示出其空間分布的差異性明顯，這與實際的水稻種植考察情況相符。除溫、濕度外，同種類型植被光能利用率的影響因素還有大氣透射、植被冠層結構、非光合組織呼吸以及自身光化學轉化效率等[34]，在外界環境條件和植被自身狀況的共同作用下，植被光能利用率的分布應有所差異。

圖3 基于MODIS時序植被指數提取的研究區內水稻像元分布Fig. 3 Distribution of rice paddy pixels in study area based on MODIS vegetation index time series

圖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 圖4中LUE的均值、標準偏差和離散系數Table 2 Mean, standard deviation and variation coefficient of LUE from PRI and MOD17 algorithm in Fig. 4

3 結論與討論

3.1 結論

（1）在測試的488、551和667nm波段中，來自后向散射方向影像提取的PRIs與站點LUE的相關性更強，其中PRI551表現最優。

（2）對通過PRI-LUE模型和MOD17算法繪制的區域LUE的比較表明，前者的空間差異性明顯，且其模型簡單，反演的LUE符合植被實際狀況，故本文認為PRI-LUE模型是反演瞬時區域LUE的潛在方法之一。

（3）雖然本文采用PRI-LUE模型僅反演了晴空條件下瞬時區域LUE，但在完善多時相影像和數據插補方法的基礎上，能夠進一步反演區域GPP/NPP等。

3.2 討論

在葉片和冠層尺度上，已證明PRI能夠較好地響應LUE的變化[35]，然而利用MODIS影像外推至區域尺度仍然存在諸多困難。一是MODIS影像的客觀限制，如衛星過境時間集中（在當地時間11：00-14：00）、研究區被云遮蓋、太陽和傳感器幾何關系對像元信息的影響以及傳感器數據偏差等；二是地面通量數據誤差。從采集的數據（如采樣頻率、設備故障、湍流等）到數據的預處理過程（如缺失數據的插補、生態系統GPP和呼吸項Re的分離），但經過合理的數據質量控制，誤差相對較?。蝗侵虚g參數誤差。如本文將MOD09A1提取的EVI重構后近似為FPAR項，這與實際的FPAR是存在誤差的。

與基于MOD17算法的LUE相比，利用MODIS PRI551反演的區域LUE有以下優勢：（1）空間差異明顯；（2）模型簡單、輸入變量少；（3）無需預先估算各類植被類型的最大光能利用率，避免混合像元中非特定植被帶來的誤差。

然而將反演的區域LUE進一步推廣，如構建月、年尺度區域GPP模型，仍有多方面需完善。一是增加地面通量站點，驗證并訂正MODIS PRI-LUE模型；二是覆蓋多種植被類型；三是建立利用多時相影像的數據插補方法，解決因研究區云遮蔽而無效的問題。

參考文獻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,張柏.區域尺度作物生產力對全球變化響應的研究進展及展望[J].中國農業氣象,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,劉丹,等.陸地生態系統植被生產力遙感模型研究進展[J].地球科學進展,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.遙感數據與兩葉光能利用率模型同化的總初級生產力模擬[D].南京:南京大學,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]張樹譽,李登科,景毅剛,等.基于MODIS時序植被指數的陜西植被季相變化分析[J].中國農業氣象,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]張春桂,潘衛華,陳惠,等.應用MODIS數據監測福州地區土地利用/覆蓋變化[J].中國農業氣象,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]謝小萍.基于MODIS數據估算區域光合有效輻射和光能利用率的方法研究[D].南京:南京信息工程大學,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,劉敏,等.ChinaFLUX CO2通量數據處理系統與應用[J].地球信息科學,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,孫曉敏,溫學發,等.中國通量網(ChinaFLUX)夜間CO2渦度相關通量數據處理方法研究[J].中國科學(D輯):地球科學,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]于貴瑞,孫曉敏,等.陸地生態系統通量觀測的原理與方法[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]張峰,吳炳方,劉成林,等.區域作物生長過程的遙感提取方法[J].遙感學報,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,景元書,王琳,等.基于MODIS時序植被指數和線性光譜混合模型的水稻面積提取[J].大氣科學學報,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]朱志輝,張福春.我國陸地生態系統的植物太陽能利用率[J].生態學報,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]陳晉,唐艷鴻,陳學泓,等.利用光化學反射植被指數估算光能利用率研究的進展[J].遙感學報,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

基金項目：國家自然科學基金（41071282）；江蘇省重點研發計劃（現代農業）項目（BE2015365）；行業專項（GYHY201506018）；中國氣象局預報預測核心業務發展專項（XMAHX20160311）

作者簡介：郭建茂（1968-），博士，副教授，主要從事農業氣象和農業遙感研究。E-mail：001878@nuist.edu.cn