文献类型：期刊文章

作　　者：张猛[1,2,3] 陈淑丹[1,2,3] 林辉[1,2,3] 刘洋[4] 张怀清[4]

ZHANG Meng;CHEN Shudan;LIN Hui;LIU Yang;ZHANG Huaiqing(Research Center of Forestry Remote Sensing&Information Engineering,Central South University of Forestry&Technology,Changsha 410004,China;Key Laboratory of Forestry Remote Sensing Based Big Data&Ecological Security for Hunan Province,Central South Universityof Forestry&Technology,Changsha 410004,China;Key Laboratory of State Forestry&Grassland Administration on Forest Resources Management and Monitoring in SouthernArea,Central South University of Forestry&Technology,Changsha 410004,China;Research Institute of Forest Resources Information Techniques,ChineseAcademy of Forestry,Beijing 100091,China)

机构地区：[1]中南林业科技大学林业遥感信息工程研究中心,长沙410004 [2]中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室,长沙410004 [3]中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室,长沙410004 [4]中国林业科学研究院资源信息研究所,北京100091

出　　处：《遥感学报》

基　　金：国家自然科学基金(编号:41901385);高分辨率对地观测系统重大专项(编号:21-Y30B02-9001-19/22-2);博士后科学基金(编号:2019M652815,2020T130731)。

年　　份：2023

卷　　号：27

期　　号：6

起止页码：1454-1466

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：湿地是地球上重要的“碳库”之一,针对湿地净初级生产力NPP (Net Primary Productivity)模拟中时空分辨率不高和估算精度不稳定等方面的问题,本文提出了一种修正的CASA (Carnegie-Ames-Stanford Approach)模型。首先采用遥感云计算下的时空融合算法快速、准确地获得了时间序列的Landsat 8多光谱影像,解决湿地NPP估算中高时空分辨率影像缺失问题。然后,利用Landsat 8数据集(光谱波段、陆表水体指数、归一化植被指数等)与自适应Stacking算法得到高精度的植被分类图,并结合植被分类图确定每个植被像元理想条件下最大光能利用率εmax。同时,利用时序陆表水体指数及降水数据计算获得NPP估算中所需的水分胁迫因子。最后,基于归一化植被指数、水分胁迫因子、εmax及气象数据等多种参数,驱动CASA模型对洞庭湖湿地NPP进行估测。研究结果显示,与其他模型相比,本文修正CASA模型估算的NPP与实测的NPP具有最高的相关系数(R2=0.85)和最低的RMSE (20.16 g C/m2),表明该方法能有效、准确地模拟区域湿地生态系统NPP。洞庭湖区主要湿地植被类型芦苇与苔草的NPP均值分别为424.26 g C/m2和357.50g C/m2。

关 键 词：遥感 湿地 净初级生产力 CASA  时空融合  分类  洞庭湖湿地

分 类 号：P2[测绘类]