Page 50 - 《广西植物》2025年第8期

１ ４ １ ６ 广 西 植 物 ４５ 卷
( １. Ｃｏｌｌｅｇｅ ｏｆ Ｌｉｆｅ Ｓｃｉｅｎｃｅｓꎬ Ｇｕａｎｇｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｇｕｉｌｉｎ ５４１００６ꎬ Ｇｕａｎｇｘｉꎬ Ｃｈｉｎａꎻ ２. Ｇｕａｎｇｘｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｐｌａｎｔ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ
Ｒｅｓｔｏｒａｔｉｏｎ Ｅｃｏｌｏｇｙ ｉｎ Ｋａｒｓｔ Ｔｅｒｒａｉｎꎬ Ｇｕａｎｇｘｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｂｏｔａｎｙꎬ Ｇｕａｎｇｘｉ Ｚｈｕａｎｇ Ａｕｔｏｎｏｍｏｕｓ Ｒｅｇｉｏｎ ａｎｄ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓꎬ Ｇｕｉｌｉｎ
５４１００６ꎬ Ｇｕａｎｇｘｉꎬ Ｃｈｉｎａꎻ ３. Ｇｕａｎｇｘｉ Ｇｕｉｌｉｎ Ｕｒｂａｎ Ｅｃｏｓｙｓｔｅｍ Ｎａｔｉｏｎａｌ Ｏｂｓｅｒｖａｔｉｏｎ ａｎｄ Ｒｅｓｅａｒｃｈ Ｓｔａｔｉｏｎꎬ Ｎａｔｉｏｎａｌ Ｆｏｒｅｓｔｒｙ ａｎｄ Ｇｒａｓｓｌａｎｄ
Ａｄｍｉｎｉｓｔｒａｔｉｏｎꎬ Ｇｕｉｌｉｎ ５４１００６ꎬ Ｇｕａｎｇｘｉꎬ Ｃｈｉｎａꎻ ４. Ｇｕａｎｇｘｉ Ｚｈｕａｎｇ Ａｕｔｏｎｏｍｏｕｓ Ｒｅｇｉｏｎ Ｆｏｒｅｓｔｒｙ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅꎬ Ｎａｎｎｉｎｇ ５３０００２ꎬ
Ｃｈｉｎａꎻ ５. Ｎａｎｎｉｎｇ Ｅｕｃａｌｙｐｔ Ｐｌａｎｔａｔｉｏｎ Ｅｃｏｓｙｓｔｅｍ Ｏｂｓｅｒｖａｔｉｏｎ ａｎｄ Ｒｅｓｅａｒｃｈ Ｓｔａｔｉｏｎ ｏｆ Ｇｕａｎｇｘｉꎬ Ｎａｎｎｉｎｇ ５３０００２ꎬ Ｃｈｉｎａ )

Ａｂｓｔｒａｃｔ: Ｅｓｔｉｍａｔｉｎｇ ｇｒｏｓｓ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ (ＧＰＰ) ｏｆ ｖｅｇｅｔａｔｉｏｎ ｉｓ ｅｓｓｅｎｔｉａｌ ｆｏｒ ｅｘｐｌｏｒｉｎｇ ｔｈｅ ｆｌｏｗ ａｎｄ ｓｔｏｒａｇｅ ｏｆ
ｃａｒｂｏｎ ｉｎ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍｓ ａｎｄ ｈｅｌｐｓ ｔｏ ｅｘｐｌａｉｎ ｔｈｅ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ ｇｌｏｂａｌ ｃｌｉｍａｔｅ ｃｈａｎｇｅ. Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ＧＰＰ
ｍｏｄｅｌｓ ａｒｅ ｉｍｐｏｒｔａｎｔ ｔｏｏｌｓ ｆｏｒ ｓｉｍｕｌａｔｉｎｇ ＧＰＰ ａｔ ｒｅｇｉｏｎａｌ ａｎｄ ｇｌｏｂａｌ ｓｃａｌｅｓ. Ｉｎ ｏｒｄｅｒ ｔｏ ｃｌａｒｉｆｙ ｔｈｅ ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ ｔｗｏ
ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ＧＰＰ ｍｏｄｅｌｓꎬ ＴＧ ａｎｄ ＶＩꎬ ｔｏ ｔｗｏ ｔｙｐｉｃａｌ ｆｏｒｅｓｔｓ ｉｎ ｔｈｅ ｃｅｎｔｒａｌ ｓｕｂｔｒｏｐｉｃｓ ａｓ ｗｅｌｌ ａｓ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｆｆｅｃｔｓ
ｏｆ ｄｉｆｆｅｒｅｎｔ ｍｏｄｅｌ ｐａｒａｍｅｔｅｒ ｃａｌｉｂｒａｔｉｏｎ ｍｅｔｈｏｄｓꎬ ｔｈｅ ｐｒｅｓｅｎｔ ｓｔｕｄｙ ｗａｓ ｃｏｎｄｕｃｔｅｄ ｔｏ ｃａｌｉｂｒａｔｅ ｔｈｅ ｓｅｎｓｉｔｉｖｅ ｐａｒａｍｅｔｅｒｓ ｏｆ
ｔｈｅ ＴＧ ａｎｄ ＶＩ ｍｏｄｅｌｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｇｒｏｕｎｄ￣ｂａｓｅｄ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄａｔａ ａｎｄ ＭＯＤＩＳ ｄａｔａ ｕｓｉｎｇ ｆｌｕｘ￣ｔｏｗｅｒ ｍｅａｓｕｒｅｄ ＧＰＰ ａｔ
ｂｏｔｈ ａｎｎｕａｌ ａｎｄ ｓｅａｓｏｎａｌ ｓｃａｌｅｓꎬ ａｎｄ ｔｈｅｎ ｔｈｅ ＧＰＰｓ ｏｆ ｔｈｅ ｒｅｇｅｎｅｒａｔｅｄ ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔ ａｎｄ ｅｕｃａｌｙｐｔｕｓ
ｐｌａｎｔａｔｉｏｎ ｉｎ ｔｈｅ ｃｅｎｔｒａｌ ｓｕｂｔｒｏｐｉｃｓ ｗｅｒｅ ｓｉｍｕｌａｔｅｄꎬ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｉｅｓ ｏｆ ｔｈｅ ＴＧ ａｎｄ ＶＩ ｍｏｄｅｌｓ ｉｎ ｔｈｅｓｅ ｔｗｏ
ｅｃｏｓｙｓｔｅｍｓ ｗｅｒｅ ｃｏｍｐａｒｅｄ ａｎｄ ａｎａｌｙｚｅｄ. Ｔｈｅ ｒｅｓｕｌｔｓ ｗｅｒｅ ａｓ ｆｏｌｌｏｗｓ: (１) Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｍｏｄｅｌｓ ｗａｓ
ｉｍｐｒｏｖｅｄ ａｆｔｅｒ ｐａｒａｍｅｔｅｒ ｃａｌｉｂｒａｔｉｏｎꎬ ｅｓｐｅｃｉａｌｌｙ ｉｎ ｔｈｅ ｃａｓｅ ｏｆ ｓｅａｓｏｎａｌ ｃａｌｉｂｒａｔｉｏｎꎬ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｗａｓ
ｓｉｇｎｉｆｉｃａｎｔｌｙ ｂｅｔｔｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｔｈｅ ｙｅａｒ￣ｒｏｕｎｄ ｃａｌｉｂｒａｔｉｏｎ. (２) Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｉｎｐｕｔ ｐａｒａｍｅｔｅｒｓ ｏｆ ｔｈｅ ＴＧ
２
ａｎｄ ＶＩ ｍｏｄｅｌｓ ａｎｄ ｔｈｅ ｍｅａｓｕｒｅｄ ＧＰＰ ｏｆ ｔｈｅ ｔｗｏ ｅｃｏｓｙｓｔｅｍｓ ｗａｓ ｈｉｇｈ (Ｒ > ０.７０ꎬＰ< ０.００１). (３) Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ
ｂｅｔｗｅｅｎ ｔｈｅ ｓｉｍｕｌａｔｅｄ ａｎｄ ｍｅａｓｕｒｅｄ ＧＰＰｓ ｏｆ ｔｈｅ ＴＧ ｍｏｄｅｌ ｗａｓ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｔｈｅ ＶＩ ｍｏｄｅｌꎬ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ
ｅｒｒｏｒ ｏｆ ｔｈｅ ＴＧ ｍｏｄｅｌ ｗａｓ ｔｈｅ ｓｍａｌｌｅｓｔ ｉｎ ｔｈｅ ｒｅｇｅｎｅｒａｔｅｄ ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔ ｅｃｏｓｙｓｔｅｍ (ïＲＥ ï< ２％). Ｉｎ
ｃｏｎｃｌｕｓｉｏｎꎬ ｂｏｔｈ ｍｏｄｅｌｓ ｈａｖｅ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｔｏ ｂｅ ａｐｐｌｉｅｄ ｉｎ ｔｗｏ ｔｙｐｉｃａｌ ｆｏｒｅｓｔｓ ｉｎ ｔｈｅ ｃｅｎｔｒａｌ ｓｕｂｔｒｏｐｉｃｓꎬ ａｎｄ ｔｈｅ
ｓｉｍｕｌａｔｉｏｎ ｅｆｆｅｃｔ ｏｆ ｔｈｅ ＴＧ ｍｏｄｅｌ ｉｓ ｂｅｔｔｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｔｈｅ ＶＩ ｍｏｄｅｌ.
Ｋｅｙ ｗｏｒｄｓ: ｇｒｏｓｓ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ (ＧＰＰ)ꎬ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇꎬ ｅｄｄｙ ｃｏｖａｒｉａｎｃｅ ｍｅｔｈｏｄꎬ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅꎬ
ｅｎｈａｎｃｅｄ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ

陆地生态系统作为净碳汇在全球碳循环中发 的空间分辨率有限ꎬ只能估算站点尺度的 ＧＰＰꎮ
挥着重要作用ꎬ抵消了过去几十年人类活动所排 当前基于涡度相关法的碳通量地面观测站点ꎬ远
放的 １０％ ~ ６０％ 的 ＣＯ ( Ｈｅｉｍａｎｎ ＆ Ｒｅｉｃｈｓｔｅｉｎꎬ 未达 到 区 域 或 更 大 尺 度 ＧＰＰ 估 算 研 究 的 要 求
２
２００８ꎻ Ｆｒｉｅｄｌｉｎｇｓｔｅｉｎ ｅｔ ａｌ.ꎬ ２０２０)ꎮ 植物通过光合 (Ｇｒｉｅｂｅｌ ｅｔ ａｌ.ꎬ ２０１６)ꎮ
作用在单位时间内固定的有机碳量被称为生态系 卫星遥感技术可以实现区域乃至全球的观测
统 的 总 初 级 生 产 力 ( ｇｒｏｓｓ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙꎬ 覆盖能力ꎬ提供较大时空尺度的数据产品ꎬ但其观
ＧＰＰ)ꎬ而光合作用是生态系统中主要的固碳途径 测精度不及涡度相关法( 张晓娟等ꎬ２０２２)ꎮ 因此ꎬ
(方精云等ꎬ２００１)ꎮ ＧＰＰ 决定了进入陆地生态系 将遥感资料和通量塔观测数据相结合ꎬ可以发展
统的初始能量和物质ꎬ是陆地生态系统碳循环中 陆地 ＧＰＰ 估算模型ꎬ弥补涡度相关法和遥感技术
的重要通量ꎮ 准确测定和估算 ＧＰＰꎬ是理解碳收 分别在空间尺度和观测精度上的缺陷( Ｌｉｕ ｅｔ ａｌ.ꎬ
支、气候变化及生态系统服务的基础ꎬ对于促进我 ２０１４)ꎮ 以遥感数据为主的 ＧＰＰ 模型减少了对地
们对全球碳循环的理解及预测气候反馈至关重要 面气象数据的依赖ꎬ更加适用于下垫面复杂、地势

(Ｚｈｕ ｅｔ ａｌ.ꎬ ２０２４)ꎮ 涡度相关法( ｅｄｄｙ ｃｏｖａｒｉａｎｃｅ 多变 的 区 域 ( Ｔｉａｎ ｅｔ ａｌ.ꎬ １９９９ꎻ Ｓｊöｓｔｒöｍ ｅｔ ａｌ.ꎬ
ｍｅｔｈｏｄ)在生态系统尺度上为测量 ＧＰＰ 提供了一 ２０１３ꎻ Ｖｅｒｍａ ｅｔ ａｌ.ꎬ ２０１４)ꎮ Ｓｉｍｓ 等(２００８)提出的

种可靠的间接方法( Ｂｅｅｒ ｅｔ ａｌ.ꎬ ２０１０ꎻ于贵瑞等ꎬ ＴＧ 模型(ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｇｒｅｅｎｎｅｓｓ ｍｏｄｅｌ)ꎬ利用归
２０１４)ꎮ 目前ꎬ基于涡度相关法的测量结果已被广 一 化 处 理 后 的 增 强 型 植 被 指 数 ( ｅｎｈａｎｃｅｄ
泛应用于生态系统碳循环研究ꎬ并被视为生态系 ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘꎬ ＥＶＩ) 和 地 表 温 度 ( ｌａｎｄ ｓｕｒｆａｃｅ
统尺度的碳通量真值ꎬ用于对其他测量方法的结 ｔｅｍｐｅｒａｔｕｒｅꎬ ＬＳＴ) 模拟北美地区的常绿阔叶林和
果进行验证(朴世龙等ꎬ２０２２)ꎮ 但是ꎬ涡度相关法 针叶林的总初级生产力ꎮ Ｗｕ 等(２０１０) 提出了 ＶＩ