基于MODIS數據的三種模型對區域玉米生產力的估算效果*

錢 婭，郭建茂，2**，李 羚，郭彩云，劉俊偉

（1.南京信息工程大學應用氣象學院，南京 210044；2.南京信息工程大學無錫研究院，無錫 214100）

陸地生態系統在地?氣系統的物質、能量和動量交換以及全球氣候變化中扮演著重要的角色。定量估計陸地生態系統的光合作用，不僅是估計作物產量和生產力的基礎，而且對理解區域乃至全球的碳收支和全球氣候變化機理及影響具有重要意義[1]。國內外學者已建成不同尺度下，基于遙感參數估算生態系統GPP 的模型，如1972年Monteith[2]利用光能利用率原理，首次提出利用植被吸收的光合有效輻射（APAR）和光能利用率（LUE）估算陸地凈初級生產力的方法[3]。20 世紀90年代Gamon 等[4]證明了531nm 的光譜反射率變化能夠明顯反應葉黃素循環色素之間的相互轉換，建立了光化學植被指數PRI（Photochemical Reflectance Index，PRI），并認為葉黃素循環是監測葉片LUE 波動的一種有效手段。1995年美國馬里蘭大學地理系構建了全部用衛星遙感數據獲取APAR 以及光能利用率的GLO-PEM 模型[5]，該模型應用的PAR 數據和氣候數據均由衛星遙感觀測得到，實現了GPP/NPP 遙感模型的全遙感化[6]。2004年Xiao 等[7]建立了VPM 模型，并利用SPOT-4 衛星的VEGETATION（VGT）數據和MODIS數據基于VPM 模型估算了常綠針葉林、落葉闊葉林、常綠闊葉林和高山草原的GPP[8]。2007年李世華結合GLO-PEM 和VPM 模型，建立了REG-PEM 模型，分別估算了江西省和黑河流域的初級生產力，并對模型參數進行了優化[9?13]。

現有的基于LUE（光能利用率）估算GPP（總初級生產力）的模型中，大多數是利用查表法，確定植被最大光能利用率，進行溫度、濕度訂正，求算實際LUE 后得到GPP 的值。LUE 是估算GPP 的模型的重要輸入，目前的估算方法過于簡單粗糙，計算公式復雜且精度較差，可能導致生態系統光能利用率進而影響GPP 的估算精度。

農田作為陸地生態系統的重要組成部分，在全球能量平衡和溫室氣體的收支方面起到非常重要的作用，研究農田生態系統的碳收支和驗證大尺度衛星遙感模型的適用性具有典型代表性。目前，大多研究對玉米農田系統生產力的估算僅僅是基于單一的估算模型，為進一步探究遙感參數估算生態系統GPP 的效果，本研究以GPP/NPP 遙感模型建模思想為基礎，將衛星遙感植被指數作為參數引入模型，分別利用APAR 模型、PRI 模型和REG-PEM 模型估算不同時間尺度下玉米農田系統的GPP 值，并通過與錦州生態系統野外觀測站觀測的GPP 值進行比較，以檢驗各衛星遙感植被指數及其模型在估算玉米農田生態系統生產力方面的效果。

1 資料與方法

1.1 研究區概況

錦州市地處歐亞大陸東部，屬于典型的溫帶季風型氣候，年平均氣溫為7.8～9.0℃，其中最冷月為1月，平均氣溫?8.0℃，最熱月為7月，平均氣溫24.4℃，年無霜期為144～180d，年平均降水量567mm。錦州玉米農田生態系統野外觀測站位于東北玉米產區帶，地處遼寧省錦州市太和區英屯村玉米地（41°49'N，121°12'E，海拔17m），隸屬于中國氣象局沈陽大氣環境研究所，周邊為大面積平坦均一的農田。

1.2 研究數據

1.2.1 通量數據

隨著微氣象理論發展及氣象觀測儀器、數據采集和計算機存儲、數據分析和自動傳輸等技術的不斷進步，渦度相關技術在實際應用中也取得了長足的發展和進步。通量數據主要包括半小時序列的凈生態系統碳交換速率（Net Ecosystem Exchange,NEE）、光合有效輻射（Photosynthetically Active Radiation，PAR）、距地面2m 處的空氣溫度（Air Temperature，Ta）、摩擦風速（u*）等。由于儀器故障、標定、維護或雨雪的影響，觀測系統的實測數據存在異常值或缺失值，需要對通量數據進行數據插補、整合等預處理。采用平面擬合法對數據進行坐標旋轉，通過WPL 校正[14]消除水熱傳輸造成的CO2通量變化的密度效應，用差分法[15]剔除異常值，利用平均值比較法[16]確定u*C=0.18m·s?1，篩去無效數據。預處理時發現，僅約70%的CO2通量數據是有效數據。因此，分別用平均晝夜變化MDV 插補[15]和Van't Hoff 呼吸方程[17]插補，針對日間和夜間的CO2通量數據進行校正。用插補后的通量數據建立夜間生態系統呼吸與近地層氣溫間的函數關系，計算式為

式中，Renight為夜間生態系統呼吸速率，以CO2或C 物質的量計，單位為μmolC·m?2·s?1，等于通量站觀測的夜間凈生態系統CO2交換量NEE（Net Ecosystem Exchange，NEE）；Ta為氣溫。夜間GPP值為

夜間由于植被無法進行光合作用，觀測的NEE（凈生態系統CO2交換量）主要為生態系統呼吸Renight，因此夜間GPPnight為0；擬合后得到玉米生態系統中，A 值設為0.1729，B 值設為0.158；假定日間生態系統呼吸（Reday）對氣溫的響應與夜間相同，可根據式（1）計算日間生態系統呼吸量。日間生態系統光合作用和呼吸作用共存，因此，日間GPPday應為觀測的NEE 與生態系統呼吸Reday的合項。其計算式為

1.2.2 MODIS 數據

MODIS 數據具有存儲高效、信息豐富、獲取速度快、覆蓋范圍廣等優點，對作物生長信息提取有顯著優勢。MODIS 數據由陸地過程分布式數據檔案中心LP DAAC 提供，包括2013?2014年覆蓋錦州通量站點L1B 級輻射率數據（MOD/MYD021KM）、8d合成的地表反射率數據（MOD09A1）。由于傳感器故障或云霧的影響和輸入數據缺失等原因使得MODIS 影像產生的異常值，顯示了地物反射率的錯誤信息，以此錯誤信息計算的結果將對模型的精度產生一定影響，因此需要對MODIS 數據進行校正、篩選等預處理。利用MCTK 投影插件工具對MODIS數據重投影和幾何校正，通過FLAASH 大氣校正獲得地物反射率和輻射率、地表溫度等真實物理模型參數，根據相鄰域的像元進行線性插補剔除異常的像元信息。預處理后，以傳感器和太陽的幾何角度為標準分為全向散射和后向散射，篩選后滿足條件的MODIS 反射率影像共38 景，其中后向散射方向的24 景。

1.3 總初級生產力（GPP）估算方法

1.3.1 光合有效輻射吸收項模型（APAR 模型）

植被光合作用的能量來源于太陽輻射，植物對光合輻射PAR（Photosynthetically Active Radiation，PAR）或APAR（光合有效輻射）的截獲與利用，轉換為自身組織和器官生長發育所需能量和干物質。與PAR 相比，APAR 能夠反映植被生物量、繁茂程度和冠層結構等特征，因此針對季節性變化明顯的農作物而言，APAR 通過反映作物生物量的變化能夠較好地監測作物生產力[18]。利用遙感數據計算的APAR 來估算GPP，可以滿足不同區域尺度、不同時間頻度的連續監測要求[19]。利用衛星遙感數據監測APAR 是反演生態系統光合潛力、潛在產量、作物生長模擬研究以及全球碳儲量的有效手段之一。APAR與PAR 和光合有效輻射吸收比（Fraction of absorbed Photosynthetically Active Radiation，FPAR）之間存在如下關系，即

本研究主要是針對生態系統，故直接使用通量塔觀測的PAR 數據，使得參數PAR 的精度更高。式中，FPAR 取決于植被類型和植被冠層特征，而植被冠層是由光合有效植被（PAV，綠葉等，可進行植物光合作用）和非光合有效植被（NPV，衰老的葉片、枝條和莖等，不能進行植物光合作用）兩部分組成[20]，因此相應地FPAR 也由兩個部分組成，即

其中只有FPARPAV用來計算光合作用。

歸一化植被指數（Normalized Difference Vegetation Index，NDVI）對植物的生長狀況及生理活性變化的反映具有很強的敏感性，但相關研究證明其易受土壤背景和大氣的影響[21]，Huete 等[22]在大氣抵抗指數和植被指數的基礎上提出了增強型植被指數EVI[23]（Enhanced Vegetation Index，EVI），其計算式為

式中，ρNIR和ρRED分別表示近紅外和紅光的地表反射率，可利用MODIS 第2 波段（841?870nm）和第1 波段（620?670nm）反射率代替，ρBLUE表示藍光波段的地表反射率，可利用MODIS 第3 波段（459?479nm）反射率代替；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。

通過基于 EVI[24]的線性方程來估算FPARPAV，系數a=1.0。

植被總初級生產力GPPAPAR的計算式為

式中，LUE 為通量觀測數據計算得到的光能利用率，APAR 由式（4）計算得到。

1.3.2 光化學反射植被指數?光能利用率模型（PRI 模型）

由于玉米的植被特征與草原、灌木和森林等植被特征差異較大，需要予以區別，因此選取單一均勻種植的玉米農田生態系統，進行區域反演。郭建茂等[25]在探究光化學植被指數與光能利用率之間的相關性時發現，在PRI488、PRI551、PRI667中，PRI551與LUE 的相關性最強，最適合反演LUE，并得到PRI-LUE 之間的線性關系。與APAR 相比，PRI 并不反映植被生物量、覆蓋度和冠層結構等內在特征，PRI 與LUE 的內在生理機制決定了PRI 在各尺度上在監測植被LUE 方面的優勢。

在Penuelas 等[26]對PRI 公式修正的基礎上，可將PRI 定義為

式中，ρ531和ρλref分別表示測量波段和參照波段處的反射率。MODIS 第11 波段（526?536nm）的波段中心位于531nm，且該波段的寬度僅為10nm，符合計算PRI 的測量波段要求，因此將MODIS 第11波段的反射率作為計算 PRI 的測量波段。由于MODIS 數據缺少計算PRI 需要的理想參照波段，因此用MODIS 第10 波段（483?493nm）、第12 波段（546?556nm）和第13 波段（662?672nm）作為參照波段進行測試。雖然MODIS 第一波段（620?670nm）和第4 波段（545?565nm）的波譜也較接近，但是這兩個波段的寬度都比計算PRI 要求的窄波段寬很多，其中MODIS 第1 波段的波譜寬度為50nm，第4 波段的波譜寬度為20nm。因此，將ρ531設為MODIS影像中第11 波段的反射率，第10（波段中心為488nm）、12（551nm）和13 波段（667nm）作為替代參照波段進行計算。

根據擬合出的PRI-LUE 之間的相關關系[25]（表1），分別計算上述3 個波段下的光能利用率LUE488、LUE551、LUE667。

式中，GPPλref為不同波段下的生態系統總生產力，單位為μmolC·m?2·d?1；λref 為參照波段處的反射率，APAR 由式（4）計算而得。

表1 PRI-LUE 各擬合線對應方程的參數Table 1 The parameters of the corresponding equations of every PRI-LUE fitting line

1.3.3 區域生產力模型（REG-PEM 模型）

REG-PEM 模型[9]是根據全球GPP 估算模型GLO-PEM 框架構建的一個由遙感數據驅動的區域陸地生態系統初級生產力模型，其中有關LUE 的計算式為

式中，LUEmax為潛在光能利用率，玉米的LUEmax為2.76g·MJ?1，即0.051μmolC·μmol?1photons；f(T)和f(W)分別為溫度和水分對光能利用率的脅迫，即

式中，f(T)中植被進行光合作用的最低(Tmin)、最高（Tmax）和最適溫度（Topt）分別定義為?1℃、50℃和22℃，當氣溫高于最高溫度或低于最低溫度時，f(T)為0[27]；f(W)中水分對植被光合作用的影響程度，用衛星遙感植被指數LSWI 計算。

根據短波紅外波段對植被含水量和土壤濕度較敏感的特征，Xiao 等[28]構建了表示地表水分含量的陸表水分指數（Land Surface Water Index，LSWI），并將其定義為近紅外波段和短波紅外波段之間的歸一化計算，即

式中，ρSWIR表示短紅外波段的地表反射率，可利用MODIS 第6 波段（1628?1652nm）反射率代替。LSWI 植被指數用ENVI 軟件中提取，利用IDL 程序提取站點周邊3 ×3 像元的反射率均值來計算。

結合光能利用率模型，得到基于區域生產力模型估算作物生產潛力的計算式為

2 結果與分析

2.1 光合有效輻射吸收模型（APAR）的估算效果

由圖1可見，在兩個分析年度內（2013年和2014年），與錦州玉米農田生態系統野外觀測站2013?2014年的實測GPP 數據相比，光合有效輻射吸收模型（即APAR 模型）估算的玉米生長季逐日GPP 值的變化特點基本一致，季節變化趨勢基本相同，但總體上波動相對平緩。具體地，2013年GPP平均估算值為357.2μmolC·m?2·d?1，與GPP 觀測值的平均相對誤差為68.1%，生長季中期（第162?232天，以1月1日為1）的GPP 估算峰值低于觀測值，但在生長季前期（第91?161 天）和后期（第233?303天）存在高估現象；2014年GPP 平均估算值為238.8μmolC·m?2·d?1，與GPP 觀測值的平均相對誤差為59%，同樣存在峰值低估、谷值高估的現象。

圖1 錦州生態系統觀測站APAR 模型模擬的玉米生長季（4?10月）逐日GPP 值與實測值的比較Fig.1 Comparison of daily GPP estimation based on APAR and GPP observation at Jinzhou station

為探究APAR 在小時尺度上與GPP 的相關性，通過篩選、分析MODIS 影像過境時段內一小時APAR 與GPP 的關系（圖2），發現GPP 與APAR 呈現經典的光飽和曲線，弱光條件或植被覆蓋度較低時，GPP 隨著APAR 的增大而顯著提高，但當APAR增大到高值時（1000～1200μmol photons·m?2·s?1），GPP 趨近于飽和并有下降的趨勢，此時APAR 對植被光合作用的響應能力減弱。

圖2 觀測站小時尺度MODIS 影像過境時段APAR 與實測值的關系Fig.2 The relationship between hourly APAR and GPP

2.2 光化學植被指數模型（PRI）的估算效果

從圖3可以看出，基于模型估算的GPP488和GPP667與生態系統野外觀測站的GPP 觀測值呈正線性關系，而因為PRI551值為負數，表現為GPP551與GPP 觀測值呈負線性關系，其中GPP551與GPP 觀測值的相關性稍好于GPP488和GPP667，但GPP488和GPP667與觀測值的相關性均未達到顯著水平。

圖3 觀測站PRI 模型估算的小時尺度GPP 與實測值的比較Fig.3 Comparison of hourly GPP estimation based on PRI and GPP observation at Jinzhou

2.3 區域生產力模型（REG-PEM）的估算效果

圖4所示，通過比較REG-PEM 模型估算的逐日GPP 值與渦度相關觀測的GPP 值發現，GPP估算值與觀測值在研究時間內的季節性規律一致，呈現由增到減的變化規律，峰值主要集中在第 200?250 天，較為符合玉米作物實際生長規律。具體地，2013年玉米生長季內GPP 觀測值平均為357.2μmolC·m?2·d?1，估算值平均為415.9μmolC·m?2·d?1，二者平均相對誤差為81.3%，GPP 估算值存在明顯高估。在玉米生長季前期（第91?161 天）和后期（第233?303 天），GPP 估算值高于觀測值，但在生長季中期（第162?232 天），GPP估算值和觀測值同時到達峰值，二者較為接近，說明GPP 高估的現象主要發生在低值區；2014年玉米生長季內GPP 觀測值平均為238.8μmolC·m?2·d?1，估算值平均為266.5μmolC·m?2·d?1，平均相對誤差為54.2%，與2013年略有不同，GPP 估算值峰值低于實際，但在GPP 低值區仍然有明顯高估。可能是以下原因：一方面是LUE 的誤差，LUEmax給定值稍大，或氣溫和水分因子函數f(T)和f(W)均低估了溫度和水分對實際植被LUE 的影響；另一方面，模型中存在FPAR 和LSWI 遙感參數的誤差。

圖4 觀測站基于REG-PEM 模型的逐日GPP 估算值與實測值的比較Fig.4 Comparison of daily GPP estimation based on REG-PEM and GPP observation

2.4 三種方法的結果比較

通過檢驗皮爾遜相關系數來定量評價APAR 模型、PRI 模型和REG-PEM 模型在不同時間尺度上估算GPP 的效果，結果如表2。

由表2可知，逐日尺度上，REG-PEM 模型和APAR 模型都能較好地估算玉米農田生態系統的全天GPP。其中，錦州生態系統觀測站2014年基于REG-PEM 估算的玉米農田生態系統總初級生產力GPP 與實測值的相關性（R2=0.71,P＜0.01）稍優于2013年（R2=0.58,P＜0.01）；利用APAR 模型估算GPP發現，2014年APAR 與GPP 間的相關性(R2=0.65，P＜0.01)稍好于2013年(R2=0.51，P＜0.01)，并且估算的GPP 與實際變化規律基本一致。小時尺度上，APAR 模型和PRI 模型對生態系統GPP 的估算效果明顯減弱，且小時尺度上APAR 模型模擬值與GPP 觀測值的相關關系要弱于逐日尺度，尤其在MODIS 影像集中的中午時段，植被葉片易出現由強光引起的光飽和現象或氣溫過高出現的午休現象，削弱了APAR對植被光合作用監測的敏感性。MODIS 影像提取的三種波段下的植被指數PRI估算的GPP與觀測值的相關性由強到弱依次為，PRI551、PRI667、PRI488，這與MODIS PRIs 與LUE 的相關性強弱表現一致。

表2 基于三種模型估算GPP 與GPP 觀測值的擬合方程Table 2 Estimation of fitting equations of GPP and GPP observations based on three models

3 結論與討論

3.1 結論

以錦州站點周邊為研究區，利用生態系統觀測站觀測的通量數據和衛星遙感植被指數（EVI、LSWI、PRI）相結合的方法，分別以APAR 模型、PRI 模型和REG-PEM 模型估算不同尺度下玉米生態系統的總初級生產力GPP，研究結果表明，逐日尺度上，REG-PEM 模型和APAR 模型都能較好地模擬農田GPP 基本變化規律，但二者普遍存在GPP 峰值低估、谷值高估的現象，但在不同年份高估或低估程度有所不同，其中2014年的表現好于2013年，APAR 模型的相對誤差小于REG-PEM 模型。小時尺度上，APAR 模型和PRI 模型對GPP 的估算能力明顯減弱。通過比較APAR 與GPP 的相關性發現，小時尺度上，其相關關系明顯弱于逐日尺度上二者的相關關系，這主要是受到植被光合作用日變化規律的影響。提取MODIS 影像第10 波段（中心波段488nm）、第12 波段（中心波段551nm）和第13 波段（中心波段667nm）的PRI 值，分別計算光能利用率LUE，并估算GPP 值，PRI 與GPP 的相關性由強到弱依次為PRI551、PRI667、PRI488，這和MODIS PRIs 與LUE 的相關性強弱表現一致。

3.2 討論

光能利用率模型結構簡單，所需驅動參數少，由遙感參數直接獲取，使用范圍廣，已成為陸地生態系統生產力模擬研究的重要發展方向，是研究農田生態系統生產力與碳循環的重要依據，但不同光能利用率模型的模擬存在很大的差異。REG-PEM 模型估算GPP 時給定了LUEmax，而植被LUE 受大氣透射、植被冠層結構、非光合組織呼吸作用以及自身光化學轉化效率等因素的影響，在同類型植被覆蓋區域差異不明顯，但在低植被覆蓋度的混合作物種植區容易被高估[29]；氣溫和水分因子函數f(T)和f(W)可能低估了溫度和水分對實際植被LUE 的影響。APAR 模型雖然建立在已有數據的基礎上估算GPP，估算值與觀測值的相關性從側面說明，包含植被生物量、冠層結構及覆蓋度信息的遙感因子APAR具有估算生態系統逐日GPP 的潛力；弱光或低植被覆蓋度時，GPP 隨APAR 的增大而增大，而中午時段，太陽輻射、氣溫將達到一天中的最高值，冠層葉片出現光飽和現象，氣溫升高，土壤水分蒸發，造成光合午休現象，植被自身光合作用效率降低[30?31]，從而削弱了APAR 對植被光合作用監測的敏感性，因此，表現出APAR 與GPP 的相關性在小時尺度上較差。與APAR 相比，PRI 通過對植被LUE 的影響機制，避免了因植被冠層結構特征變化不明顯以及光合作用抑制現象造成的敏感性降低的現象。但不可否認的是，PRI 與GPP 的相關關系不夠顯著，PRI 在估算玉米生態系統GPP 方面的應用還需更深入的研究，本文認為利用PRI 估算GPP 有一定的參考價值。

由于數據的限制，本文只研究了玉米農田生態系統，隨著更多生態系統通量觀測站的建立，需要更全面的研究來驗證遙感數據在估算農田生態系統光能利用率LUE 和總初級生產力GPP 方面的可行性。