基于無線傳感網(wǎng)的毛竹林凈初級生產(chǎn)力估算

汪 雪，周國模，徐小軍，于亞妮，李 楠

（1.浙江農(nóng)林大學(xué) 環(huán)境與資源學(xué)院 浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點實驗室，浙江 臨安311300；2.浙江農(nóng)林大學(xué) 信息工程學(xué)院，浙江臨安311300）

基于無線傳感網(wǎng)的毛竹林凈初級生產(chǎn)力估算

汪 雪1，周國模1，徐小軍1，于亞妮2，李 楠2

（1.浙江農(nóng)林大學(xué) 環(huán)境與資源學(xué)院 浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點實驗室，浙江 臨安311300；2.浙江農(nóng)林大學(xué) 信息工程學(xué)院，浙江臨安311300）

碳通量監(jiān)測結(jié)果是評價森林生態(tài)系統(tǒng)碳收支的重要數(shù)據(jù)基礎(chǔ)。渦度相關(guān)法作為目前最可靠的通量觀測技術(shù)，在精度上具有優(yōu)勢，但觀測范圍局限于通量貢獻區(qū)，無法實現(xiàn)大區(qū)域的森林生態(tài)系統(tǒng)凈初級生產(chǎn)力（net primary productivity，NPP）監(jiān)測。為了研究無線傳感網(wǎng)絡(luò)在生態(tài)監(jiān)測中的應(yīng)用，探尋一種大尺度凈初級生產(chǎn)力估算的方法，在安吉毛竹Phyllostachys edulis林通量觀測塔附近部署無線傳感網(wǎng)，采集2015年1月至9月的太陽輻射、氣溫和濕度等氣象數(shù)據(jù)。在對光能利用率（light use efficiency,LUE）模型的參數(shù)計算方法進行簡化的基礎(chǔ)上，將無線傳感網(wǎng)數(shù)據(jù)作為光能利用率模型的驅(qū)動變量，實現(xiàn)基于無線傳感網(wǎng)數(shù)據(jù)的毛竹林凈初級生產(chǎn)力估算，得到以下結(jié)果：①利用無線傳感網(wǎng)采集的氣象數(shù)據(jù)與通量塔觀測數(shù)據(jù)具有較高的一致性，兩者光輻射的決定系數(shù)為0.77，相關(guān)性較高。②基于無線傳感網(wǎng)數(shù)據(jù)估算的毛竹林NPP與實測值相比，在月尺度上兩者的相對誤差為10.1%，具有較高的精度以及一致的季節(jié)變化趨勢。③隨著數(shù)據(jù)合成時間尺度的增加，估算值與實測值之間的誤差降低，其中以10 d尺度數(shù)據(jù)合成精度最高。無線傳感網(wǎng)作為一種新型的監(jiān)測手段，能很好地實現(xiàn)對毛竹林生態(tài)系統(tǒng)的監(jiān)測。圖7表1參21

森林生態(tài)學(xué)；凈初級生產(chǎn)力；無線傳感網(wǎng)；光能利用率

陸地生態(tài)系統(tǒng)碳循環(huán)監(jiān)測結(jié)果對未來氣候情景預(yù)測起到至關(guān)重要的作用［1］。目前，人們對北半球陸地生態(tài)系統(tǒng)碳源/匯空間分布了解仍有不足［2］。自從18世紀(jì)的工業(yè)革命以來，環(huán)境問題日益加劇，如全球變暖和臭氧層空洞等［3］。及時準(zhǔn)確地估算陸地生態(tài)系統(tǒng)碳通量，對評價陸地生態(tài)系統(tǒng)碳循環(huán)及其對氣候變化的影響具有非常重要的意義［4］。現(xiàn)在使用最廣泛的碳通量監(jiān)測方法是渦度相關(guān)法，但是受限于通量塔的觀測范圍有限和價格昂貴，無法滿足大區(qū)域的森林凈初級生產(chǎn)力（net primary productivity，NPP）的估算需求［5］。因此，借助生態(tài)系統(tǒng)模型結(jié)合通量觀測數(shù)據(jù)，是一種重要而且被廣泛應(yīng)用的進行大區(qū)域NPP估算方法［6－7］。光能利用率模型是基于冠層吸收太陽輻射與光合作用固碳量存在相關(guān)關(guān)系的光能利用率理論而開發(fā)的半經(jīng)驗生態(tài)模型。在日和季度時間尺度上，NPP主要受光照、氣溫、水分等環(huán)境因素的影響，而在年尺度上主要取決于葉面積和光照時長。光能利用率模型由最大光能利用率、有效光合輻射、有效光合輻射吸收比率和最大光能利用率調(diào)節(jié)因子4部分組成。光能利用率模型在估算NPP上具有優(yōu)勢且已廣泛應(yīng)用于大尺度的森林NPP估算中［8－12］。POTTER等［8］建立了CASA（carnegie-ames-stanford approach）模型，實現(xiàn)了基于光能利用率理論的全球陸地NPP估算,取得了與其他研究方法一致的全球陸地NPP估算結(jié)果。國內(nèi)一些學(xué)者對光能利用率模型進行改進，應(yīng)用于中國陸地NPP估算，模擬結(jié)果得到了較高的精度［13－15］。胡海清等［16］基于光能利用率模型估算了大興安嶺火燒跡地的森林生態(tài)系統(tǒng)生產(chǎn)力，得到的結(jié)果準(zhǔn)確地揭示了研究區(qū)植被覆蓋情況以及火燒后的森林生態(tài)系統(tǒng)生產(chǎn)力空間分布。雖然光能利用率模型被廣泛應(yīng)用，但是驅(qū)動參數(shù)對估算結(jié)果會產(chǎn)生較大的誤差。常用的驅(qū)動參數(shù)獲取方法是利用遙感影像提供的歸一化植被指數(shù)、太陽輻射、水分、氣溫等數(shù)據(jù)。一方面，遙感技術(shù)方法收集的數(shù)據(jù)不確定性較大，對估算結(jié)果帶來很大的不確定性；另一方面，驅(qū)動參數(shù)來源于不同的遙感數(shù)據(jù)，數(shù)據(jù)之間存在時間和空間尺度的不一致性，給估算帶來困難。然而，無線傳感網(wǎng)作為一種新型的信息采集和處理方式，它通過分布式自組織及多跳方式采集、處理和傳輸信號，且其具有低成本，低功耗的優(yōu)點，為陸地生態(tài)系統(tǒng)碳循環(huán)研究提供了新的數(shù)據(jù)獲取技術(shù)［17－18］。SURI等［19］利用無線傳感網(wǎng)實現(xiàn)了對農(nóng)作物生長狀況的近距離持續(xù)觀測。呂蕓帙等［20］提出一種利用無線傳感網(wǎng)測量植被葉面積指數(shù)的方法，結(jié)果分析表明：無線傳感網(wǎng)可以有效地測量植被葉面積指數(shù)。無線傳感網(wǎng)的節(jié)點能夠大面積布置，長時間實時獲取不同空間位置同一時間的太陽輻射、氣溫和濕度等氣象數(shù)據(jù)。同時，傳感器節(jié)點在布置和拆除上都較為簡易，可以移至不同區(qū)域進行測量。本研究提出一種針對森林NPP監(jiān)測的無線傳感網(wǎng)的部署方案，利用無線傳感網(wǎng)在采集氣象數(shù)據(jù)上的優(yōu)勢，將采集的氣象數(shù)據(jù)輸入到光能利用率模型中，開展植被的NPP估算研究，為獲得大尺度森林NPP提供一種可行和便捷的估算方法。

1 方法

1.1 研究區(qū)概況

研究區(qū)為浙江省湖州市安吉縣山川鄉(xiāng)（30°28′34.5″N，119°40′25.7″E），氣候?qū)儆趤啛釒Ъ撅L(fēng)氣候，四季分明，雨熱同期，年平均氣溫為14.7℃，降水量為1 700.0 mm，全年日照充足，水源充沛，竹子種類繁多，資源豐富。森林覆蓋率為88.8%，植被覆蓋率達91.3%，其中毛竹Phyllostachys edulis林占森林面積的50.7%，空氣質(zhì)量Ⅰ級，地表水Ⅰ級，譽為 “竹子之鄉(xiāng)”。實驗區(qū)內(nèi)土壤為黃壤、黃紅壤。毛竹林通量觀測塔位于海拔380 m處，站點坡度為2.5°~14.0°。觀測塔周圍1 000 m范圍主要植物類型以毛竹為主，為人工純林，混有少量針闊混交林，極少量灌木和草本。通量觀測塔塔高約為40 m，具體介紹見文獻［21］。

1.2 無線傳感網(wǎng)絡(luò)部署

無線傳感器節(jié)點由無線模塊、光照、溫濕度傳感器、供電模塊等組成，通過多跳自組織的方式構(gòu)成無線傳感器網(wǎng)絡(luò)。傳感器節(jié)點測量數(shù)據(jù)通過Sink節(jié)點發(fā)送到服務(wù)器端進行數(shù)據(jù)的處理和分析。

傳感器節(jié)點布置在通量塔上及通量塔周圍。該布置的目的在于獲得多層數(shù)據(jù)，并且獲取數(shù)據(jù)的區(qū)域與通量塔獲取數(shù)據(jù)的區(qū)域一致。在沒有通量塔的區(qū)域，可通過搭建相同高度支架進行布置。在第5層高約25 m處，放置節(jié)點，使節(jié)點光照傳感器朝上，接收入射的光輻射。在第4層，約20 m處，放置節(jié)點，使節(jié)點光感應(yīng)區(qū)正對地面，接收來自地面和竹林的反射光輻射。在塔底，以通量塔為圓心的10 m周長上的竹林中，均勻布置10個傳感器節(jié)點，感應(yīng)區(qū)朝上，接收透射過竹林冠層的光輻射。

無線傳感網(wǎng)接收數(shù)據(jù)從2015年1月初至2015年9月底結(jié)束。傳感器5 s返回1個數(shù)據(jù)。在每天上午10：00到下午14：00間，外界環(huán)境對光照強度的影響最小，植物進行光合作用也最穩(wěn)定，為了減小估算的誤差，因此，只獲取該時間段的數(shù)據(jù)進行計算。除了光輻射數(shù)據(jù)，該傳感器同時還收集溫度和濕度數(shù)據(jù)。

1.3 有效光合輻射計算

毛竹林冠層的有效光合輻射收支采用式（1）計算［1］：

式（1）中：RAPAR表示植被吸收的光合有效輻射，RPARdownwelling，RPARreflected，RPARtransmitted分別表示入射光輻射、冠層反射光輻射和冠層透射光輻射，RPARground表示地面反射光輻射。由于RPARground太小，對RAPAR的影響極小，在本研究院中忽略不計。

吸收的有效光合輻射比率根據(jù)式（2）計算：

1.4 光能利用率模型

植被在單位時間內(nèi)通過光合作用將光能轉(zhuǎn)換并固定下來的碳水化合物的總量，即為該植被NPP。光能利用率模型就是以這一生理過程為基礎(chǔ)，以遙感數(shù)據(jù)、植被類型數(shù)據(jù)及氣象數(shù)據(jù)為基礎(chǔ)，對植被NPP進行模擬估算。

模型主要利用的參數(shù)為植被所吸收的光合有效輻射（RAPAR）和光能利用率（ε）。模型算法如下：

式（3）中：x表示數(shù)據(jù)來源的空間位置，t表示時間，這里以月為單位。

光能利用率指的是植物通過光合作用將每單位的光能轉(zhuǎn)化固定為碳水化合物的干物質(zhì)總量。在最佳環(huán)境條件下，植被具有最大的光能利用率ε*，但在實際環(huán)境條件下，它受到氣溫（T）和水分（W）等因子的限制，其表達式如式（4）表示：

式（4）中：ε*表示植被最大的光能利用率，本研究利用實測數(shù)據(jù)擬合，確定該值為0.472 mg·mol－1。Tε1，Tε2表示氣溫對光能利用率的脅迫作用，計算公式如式（5）和式（6）。

式（5）和式（6）中：Topt（x）是適合植被生長的最適氣溫，本研究使用研究區(qū)最適植被生長月份7－8月的平均氣溫作為最適氣溫，取值26.29℃。

水分脅迫系數(shù)Wε由式（7）計算：

式（7）中：PPET為潛在蒸散量，EEET為估計蒸散量。EEET（x,t）/PPET（x,t）的值小于1.00。

這種計算方法涉及到植被蒸散和土壤水分等復(fù)雜因子。由于本研究使用的傳感器無法采集這些數(shù)據(jù)，不能直接計算，因此，需要對參數(shù)進行簡化。

1.5 基于無線傳感網(wǎng)數(shù)據(jù)的參數(shù)簡化

本研究使用的無線傳感網(wǎng)絡(luò)節(jié)點能采集相對濕度數(shù)據(jù)，水分脅迫系數(shù)是植物所能利用的有效水分對光能利用率的影響。它隨著環(huán)境中有效水分的增加逐漸增大。從式（7）計算它的取值范圍為0.50（在極端干旱條件下）到1.00（非常濕潤條件下）。由此推測：當(dāng)相對濕度為100%時，水分脅迫系數(shù)為1.00，而相對濕度為0%時，它的值為0.50，水分脅迫系數(shù)隨著相對濕度的增加而變大，相對濕度與水分脅迫系數(shù)有正相關(guān)性。采用相對濕度值代替蒸散比，通過2個端點的固定值，采用線性、指數(shù)和拋物線等3種函數(shù)得到相對濕度與水分脅迫系數(shù)的關(guān)系（圖1）。

圖1 3種相對濕度與水分脅迫系數(shù)的線性關(guān)系Figure 1 Three kinds of Linear relationship between relative humidity and water stress coefficient

分別采用以上3種函數(shù)，對NPP進行擬合，線性、指數(shù)和拋物線等3種函數(shù)得到的決定系數(shù)分別為0.403 6，0.318 4和0.321 9。3種函數(shù)關(guān)系的相關(guān)性大小為直線型＞拋物線型＞指數(shù)型，從擬合結(jié)果上看，采用線性函數(shù)表達相對濕度與水分脅迫系數(shù)之間的關(guān)系，在估算NPP時具有更高的準(zhǔn)確性。因此，本研究水分脅迫系數(shù)與相對濕度的相關(guān)關(guān)系采用線性函數(shù)，由式（9）表示：

2 結(jié)果與分析

2.1 無線傳感網(wǎng)數(shù)據(jù)測量結(jié)果

對無線傳感網(wǎng)收集的光輻射、相對濕度和氣溫進行分析。光輻射數(shù)據(jù)分為總?cè)肷涔廨椛洹⑼干涔廨椛浜头瓷涔廨椛洹膱D2可見：太陽輻射變化曲線在晴天和雨天不同條件下起伏變化，變化幅度較大，總體上能反映太陽輻射真實變化情況。試驗期間，光照總輻射的均值為856.7 μmol·m－2·s－1，隨著季節(jié)變化呈先升后降的變化趨勢，6－8月達到峰值，最高值為1 978.9 μmol·m－2·s－1，從9月開始減少。太陽輻射透射值和反射值的季節(jié)性變化不大，均值分別為233.4 μmol·m－2·s－1和102.4 μmol·m－2·s－1。氣溫和濕度如圖3所示，氣溫的月平均值范圍在6.37℃（1月）與28.12℃（8月）之間，其變化趨勢與光照總輻射的變化趨勢基本一致，而月平均相對濕度都在50%以上。由于實驗區(qū)處在多雨濕潤區(qū)域，相對濕度的變化幅度不明顯。

圖2 光輻射測量結(jié)果圖Figure 2 Measurement image of optical radiation

圖3 氣溫、相對濕度圖Figure 3 Image of temperature and relative humidity

2.2 數(shù)據(jù)有效性分析

由于無線傳感網(wǎng)性能受到外界環(huán)境擾動較大，多個傳感器節(jié)點接收到的數(shù)據(jù)存在差異，數(shù)值分布在一定區(qū)間范圍內(nèi)。因此，分別對每個傳感器接收的數(shù)據(jù)進行處理，計算出所有傳感器的月平均值，然后將其與通量塔獲取的月平均值進行對比（圖4）。結(jié)果表明：由多個傳感器接收到的數(shù)據(jù)計算的太陽輻射月平均值變化趨勢與通量塔數(shù)據(jù)趨勢相一致。多個傳感器測到的太陽輻射數(shù)據(jù)值分布在通量塔數(shù)據(jù)值可允許的誤差范圍內(nèi)。無線傳感器數(shù)據(jù)存在少量異常值，在計算時需要剔除，剔除異常值后，計算出無線傳感網(wǎng)數(shù)據(jù)與通量塔數(shù)據(jù)的決定系數(shù)為0.770 0，相關(guān)性較高。數(shù)據(jù)對比分析表明無線傳感器接收到的數(shù)據(jù)是具有可靠性。

2.3 估算結(jié)果與對比分析

將處理后的無線傳感器接收到的數(shù)據(jù)輸入到光能利用率模型中，對毛竹林NPP進行估算。估算結(jié)果得出試驗區(qū)1-9月平均毛竹林NPP為0.115 mg·m－2·s－1，而通量觀測塔實測值為0.128 mg·m－2·s－1（圖5），兩者相對誤差為10.1%。可見，通過無線傳感網(wǎng)數(shù)據(jù)計算的結(jié)果具有較高的精度，達到89.9%，但與實測值相比存在低估現(xiàn)象。估算結(jié)果與通量塔實測值在季節(jié)變化上具有一致性，毛竹林NPP呈雙峰變化，分別在4月和8月出現(xiàn)峰值，這與毛竹林的展葉期和綠葉期生理特性相吻合。因此，采用無線傳感網(wǎng)數(shù)據(jù)結(jié)合光能利用率模型進行毛竹林NPP估算是可行的。

圖4 數(shù)據(jù)有效性分析圖Figure 4 Data validation analysis chart

圖5 凈生產(chǎn)力估算結(jié)果的季節(jié)變化Figure 5 Seasonal variation of the estimated results of net primary productivity

基于無線傳感網(wǎng)數(shù)據(jù)估算的毛竹林NPP與通量觀測塔實測值之間的散點圖（圖6）表明：毛竹林NPP的估算結(jié)果與實測值之間具有較高的相關(guān)性，決定系數(shù)為0.403 6，兩者擬合線接近1∶1線，表明估算結(jié)果與實測值不存在嚴(yán)重的系統(tǒng)性偏估，但無線傳感網(wǎng)估算結(jié)果稍低于通量觀測塔實測值。分析低估的原因主要為無線傳感器接收的數(shù)據(jù)存在較大的波動，并與模型參數(shù)權(quán)值分配的誤差有一定關(guān)系。

2.4 不同時間尺度估算結(jié)果比較

考慮到利用傳感器收集的數(shù)據(jù)估算日尺度的毛竹林NPP存在較大的波動性，在日尺度上存在較大的誤差，為了分析不同時間尺度上無線傳感網(wǎng)絡(luò)估算的結(jié)果與碳通量觀測塔實測值之間精度的變化，本研究將無線傳感網(wǎng)絡(luò)估算的日尺度數(shù)據(jù)以2 d為間隔，以2，4，6，8，10，12，14 d做取平均處理，在不同時間尺度上，對無線傳感網(wǎng)絡(luò)估算的毛竹林NPP進行分析（圖7）。分析結(jié)果表明：時間尺度增大后，無線傳感網(wǎng)絡(luò)估算結(jié)果與實測值的相關(guān)性不斷提高，估算結(jié)果負值出現(xiàn)的概率明顯減少，與實測值更加一致。

圖6 NPP估算值與實測值的線性回歸分析圖Figure 6 Linear regression analysis image of NPP estimation and measurement

圖7 多種時間尺度的NPP估算Figure 7 NPP estimations of different time scales

不同時間尺度無線傳感網(wǎng)絡(luò)估算結(jié)果與實測值之間精度評價（表1），隨著時間尺度的增加，估算值與實測值之間的決定系數(shù)都要高于以1 d尺度估算結(jié)果，兩者的均方根誤差（ERMSE）不斷降低，從0.073 2降低到0.048 7，這說明以較大時間尺度來表征毛竹林NPP具有更高的可信度。隨著時間尺度增大，估算結(jié)果的標(biāo)準(zhǔn)偏差逐漸減小，這說明尺度變大后數(shù)據(jù)的離散程度變小，估算值與實測值的偏差也減小，說明多天尺度數(shù)據(jù)的平均值能夠消除日尺度數(shù)據(jù)所產(chǎn)生的誤差（噪聲），得到更好的估算結(jié)果。在不同時間尺度分析中，以10 d為尺度得到的結(jié)果與實測值之間誤差最小，因此，估算結(jié)果最優(yōu)的時間尺度為10 d。

表1 多種時間尺度的估算驗證結(jié)果Table 1 Estimation verification results of different time scales

3 總結(jié)

將無線傳感網(wǎng)收集的數(shù)據(jù)作為光能利用率模型的驅(qū)動參數(shù)，開展毛竹林凈初級生產(chǎn)力（NPP）估算研究。研究得出以下幾個結(jié)論：①無線傳感器網(wǎng)絡(luò)具有便捷、實時的優(yōu)點，采集的太陽輻射、氣溫和濕度數(shù)據(jù)與實測值具有較高的一致性，說明無線傳感器在監(jiān)測氣象因子上具有較高的可靠性和有效性。②利用相對濕度代替蒸散比計算光能利用率模型中的水分脅迫因子，不僅簡化了水分脅迫系數(shù)計算的復(fù)雜過程，也為依靠無線傳感網(wǎng)絡(luò)數(shù)據(jù)計算水分脅迫因子提供一種可行的方法。③為了提高估算的精度，消除日尺度估算的不確定性，對不同時間尺度的估算進行分析，得出多天平均結(jié)果不僅降低估算結(jié)果的離散性，也降低了與真實值之間的偏差，當(dāng)以10 d尺度取平均值時，估算結(jié)果最優(yōu)。④采用無線傳感網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動光能利用率模型估算的毛竹林NPP在月尺度上與通量觀測塔實測數(shù)據(jù)之間具有較高的精度，達到89.9%，說明無線傳感網(wǎng)絡(luò)數(shù)據(jù)在估算毛竹林NPP上具有可行性。

［1］ JENKINS J P,RICHARDSON A D,BRASWELL B H,et al.Refining light-use efficiency calculations for a deciduous forest canopy using simultaneous tower-based carbon flux and radiometric measurements［J］.Agric For Meteorol, 2007,143（1）:64－79.

［2］ BALDOCCHI D,FALGE E,GU Lianhong,et al.FLUXNET:a new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide,water vapor,and energy flux densities［J］.Bull Am Meteorol Soc,2001,82（11）: 2415－2434.

［3］ 包剛.基于MODIS數(shù)據(jù)的內(nèi)蒙古陸地植被凈第一性生產(chǎn)力遙感估算研究［D］.呼和浩特：內(nèi)蒙古師范大 學(xué), 2009.

BAO Gang.Evaluation on Vegetation Net Primary Productivity Using MODIS Data in Inner Mongolia［D］.Hohhot: Inner Mongolia Normal University,2009.

［4］ 隋雪梅.草甸草原光能利用率反演研究：以呼倫貝爾市謝爾塔拉鎮(zhèn)為例［D］.呼和浩特：內(nèi)蒙古師范大學(xué), 2013.

SUI Xuemei.Estimation of Light Use Efficiency on Meadow-Steppe:With Xiertala in Hulunner as Example［D］.Hohhot:Inner Mongolia Normal University,2013.

［5］ 王春林，周國逸，王旭，等.復(fù)雜地形條件下渦度相關(guān)法通量測定修正方法分析［J］.中國農(nóng)業(yè)氣象，2007，28（3）：233－240.

WANG Chunlin,ZHOU Guoyi,WANG Xu,et al.Analysis of correction method on eddy flux measurement over complex terrain［J］.Chin J Agrometeorol,2007,28（3）:233－240.

［6］ 張峰，周廣勝，王玉輝.基于 CASA模型的內(nèi)蒙古典型草原植被凈初級生產(chǎn)力動態(tài)模擬［J］.植物生態(tài)學(xué)報，2008，32（4）：786－797.

ZHANG Feng,ZHOU Guangsheng,WANG Yuhui.Dynamics simulation of net primary productivity by a satellite datadriven CASA model in Inner Mongolian typical stepper,China［J］.J Plant Ecol Chin Vers,2008,32（4）:786－797.

［7］ FIELD C B,BEHRENFELD M J,RANDERSON J T,et al.Primary production of the biosphere:integrating terrestrial and oceanic components［J］.Science,1998,281（5374）:237－240.

［8］ POTTER C S,RANDERSON J T,FIELD C B,et al.Terrestrial ecosystem production:a process model based on global satellite and surface data［J］.Glob Biogeochem Cycles,1993,7（4）:811－841.

［9］ PRINCE S D,GOWARD S N.Global primary production:a remote sensing approach［J］.J Biogeogr,1995,22（4/5）: 815－835.

［10］ TURNER D P,RITTS W D,COHEN W B,et al.Scaling gross primary production（GPP）over boreal and deciduous forest landscapes in support of MODIS GPP product validation［J］.Remote Sens Environ,2003,88（3）:256－270.

［11］ XIAO Xiangming,ZHANG Qingyuan,BRASWELL B,et al.Modeling gross primary production of temperate deciduous broadleaf forest using satellite images and climate data［J］.Remote Sens Environ,2004,91（2）:256－270.

［12］ ZHAO Maosheng,HEINSCH F A,NEMANI R R,et al.Improvements of the MODIS terrestrial gross and net primary production global data set［J］.Remote Sens Environ,2005,95（2）:164－176.

［13］ 樸世龍，方精云，郭慶華.利用CASA模型估算我國植被凈第一性生產(chǎn)力［J］.植物生態(tài)學(xué)報，2001，25（5）：603-608.

PIAO Shilong,FANG Jingyun,GUO Qinghua.Application of CASA model to the estimation of Chinese terrestrial net primary productivity［J］.Acta Phytoecol Sin,2001,25（5）:603-608.

［14］ 朱文泉，潘耀忠，張錦水.中國陸地植被凈初級生產(chǎn)力遙感估算［J］.植物生態(tài)學(xué)報，2007，31（3）：413-424.

ZHU Wenquan,PAN Yaozhong,ZHANG Jinshui.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing［J］.J Plant Ecol Chin Vers,2007,31（3）:413-424.

［15］ 孫睿，朱啟疆.陸地植被凈第一性生產(chǎn)力的研究［J］.應(yīng)用生態(tài)學(xué)報，1999，10（6）：757-760.

SUN Rui,ZHU Qijiang.Net primary productivity of terrestrial vegetation:a review on related researches［J］.Chin J Appl Ecol,1999,10（6）:757-760.

［16］ 胡海清，蘇志杰，孫龍，等.基于光能利用率模型估算大興安嶺北部火燒跡地生產(chǎn)力［J］.東北林業(yè)大學(xué)學(xué)報，2013，41（5）：71-74.

HU Haiqing,SU Zhijie,SUN Long,et al.Estimating net primary productivity of Northern Daxing’an Mountain burned black based on light utility efficiency model［J］.J Northeast For Univ,2013,41（5）:71-74.

［17］ 徐林，莫路鋒，宣子蔚，等.基于WSN的土壤碳通量測量系統(tǒng)［J］.林業(yè)科學(xué)，2013，49（2）：122-126.

XU Lin,MO Lufeng,XUAN Ziwei,et al.System of measuring soil carbon flux based on wireless sensor network［J］. Sci Silv Sin,2013,49（2）:122-126.

［18］ TALZI I,HASLER A,GRUBER S,et al.Permasense:investigating permafrost with a wsn in the swiss alps［C］// EMNETS I V.Proceedings of the 4th workshop on Embedded Networked Sensors.Cork:［s.n.］,2007:8-12.

［19］ SURI A,IYENGAR S S,CHO E.Ecoinformatics using wireless sensor networks:An overview［J］.Ecol Inform,2006, 1（3）:287-293.

［20］ 呂蕓帙，楊旭，駱祖瑩.基于無線傳感器網(wǎng)絡(luò)的植被葉面積指數(shù)測量方法［J］.計算機研究與發(fā)展，2010，47（增刊）：1-4.

Lü Yunzhi,YANG Xu,LUO Zuying.An approach of LAI measurement based on wireless sensor network［J］.J Computer Res Dev,2010,47（supp）:1-4.

［21］ 孫成，江洪，周國模，等.我國亞熱帶毛竹林CO2通量的變異特征［J］.應(yīng)用生態(tài)學(xué)報，2013，24（10）：2717-2724.

SUN Cheng,JIANG Hong,ZHOU Guomo,et al.Variation characteristic of CO2flux in Phyllostachys edulis forest ecosystem in subtropical region of China［J］.Chin J Appl Ecol,2013,24（10）:2717-2724.

Estimating net primary productivity in a bamboo stand using a wireless sensor network

WANG Xue1,ZHOU Guomo1,XU Xiaojun1,YU Yani2,LI Nan2
（1.Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration,School of Environmental and Resource Sciences,Zhejiang A＆F University,Lin’an 311300,Zhejiang,China;2.School of Information Engineering,Zhejiang A&F University,Lin’an 311300,Zhejiang,China）

Estimation of carbon fluxes is an important data basis for assessing forest ecosystem carbon cycling with the most widely used and effective method of measurement,the eddy covariance method,having advantages in accuracy but being limited in the scope of observation as it has a greater error when estimating net primary productivity （NPP）over large areas of a forest ecosystem.To study the application of wireless sensor networks for ecological monitoring and to estimate net primary production on a large scale,a wireless sensor network was developed in the vicinity of a flux observation tower in a bamboo stand of Anji,Zhejiang.The continuous meteorological data of radiation,temperature and humidity was collected from January to September in 2015.According to the simplified algorithm of model parameter,data collected from the wireless sensor network was used as the driving variable of the model,and NPP was evaluated.Results showed that（1）the meteorological data collected by wireless sensor network were consistent with the observed data of the flux tower,the determination coefficient of the two light radiation is 0.77.（2）Compared with measured value,the NPP evaluation of the bamboo stand based on wireless sensor network has a more consistent seasonal tendency with a 10.1%relative error.（3）With the increasement of the time scale of data synthesis,the error between the estimated value and the measured value is reduced.Among them,the synthetic accuracy of scale data of 10 days was highest,the RMSE and Std Dev were lowest and the value of RMSE and Std Dev were（0.048 7 mg·m－2·s－1）and （0.041 8 mg·m－2·s－1）,respectively.Thus,as a new monitoring method,the wireless sensor network could be applied in a bamboo stand ecological system.［Ch,7 fig.1 tab.21 ref.］

forest ecology;net primary productivity;wireless sensor networks;light use efficiency

S718.55

A

2095-0756（2017）01-0078-08

2016-02-23；

2016-06-22

國家自然科學(xué)基金資助項目（31370637，31500520）；浙江省自然科學(xué)青年基金資助項目（LQ15C160003）；浙江農(nóng)林大學(xué)科研發(fā)展基金人才啟動項目（2014FR025）

汪雪，從事森林資源監(jiān)測與評價研究。E-mail：413888707@qq.com。通信作者：周國模，教授，博士，博士生導(dǎo)師，從事森林經(jīng)理、全球氣候變化與森林碳匯等研究。E-mail:zhougm@zafu.edu.cn

浙 江 農(nóng) 林 大 學(xué) 學(xué) 報，2017，34（1）：86-95

Journal of Zhejiang A＆F University

10.11833/j.issn.2095-0756.2017.01.013