Page 52 - 《广西植物》2025年第8期

１ ４ １ ８ 广 西 植 物 ４５ 卷
ＧＰＰ ＝ Ｒ －ＮＥＥ (１) ρ －ρ
ｅｃｏ ｎｉｒ ｒｅｄ
式中:ＧＰＰ 为总初级生产力ꎻ ＮＥＥ 为净生态 ＥＶＩ ＝ ２.５× ρ ＋(６×ρ －７.５×ρ ＋１ (２)
ｎｉｒ ｒｅｄ ｂｌｕｅ
系统交换ꎮ 式中:ρ 、ρ 和 ρ 分别表示蓝波段、红波段
ｂｌｕｅ ｒｅｄ ｎｉｒ
由于夜间植被不进行光合作用ꎬ故夜间 ＧＰＰ 和近红外波段地表反射率ꎮ
为 ０ꎬ即观测到的 ＮＥＥ 为 Ｒ ꎮ 本研究采用 Ｍａｒｋｕｓ ２.３ ＴＧ 模型和 ＶＩ 模型
ｅｃｏ
的方法估算 Ｒ ( Ｒｅｉｃｈｓｔｅｉｎ ｅｔ ａｌ.ꎬ ２００５)ꎬ即利用 Ｓｉｍ 等(２００８)提出了 ＴＧ 模型ꎬ该模型是一种
ｅｃｏ
夜间数据建立 Ｒ 与 Ｔ 和 ＳＷＣ 的关系从而推导 基于植被指数的 ＧＰＰ 估算模型ꎬ采用的遥感驱动
ｅｃｏ ｓｏｉｌ
出日间 的 Ｒ ꎮ 白 天 的 ＧＰＰ 为 实 测 ＮＥＥ 与 Ｒ 数据为 ＬＳＴ 和 ＥＶＩꎮ 其不需要地面气象数据作为
ｅｃｏ ｅｃｏ
之差ꎮ 模型输入ꎬ是一种完全基于遥感数据的模型ꎮ 表
将计算出的 ＧＰＰ 和观测到的 ＰＡＲ 数据进行 达式如下:
质量控制和剔除异常值的处理ꎬ即绘制 ＧＰＰ 数据 ＧＰＰ ＝ ｍ×(ＳｃａｌｅｄＥＶＩ×ＳｃａｌｅｄＬＳＴ) (３)
散点图ꎬ剔除极大值、极小值和极偏离轨迹的数 ＬＳＴ
ＳｃａｌｅｄＬＳＴ ＝ ｍｉｎ [ ( )ꎻ ２.５－(０.０５×ＬＳＴ) ]
据ꎬＰＡＲ 剔除小于 ０ 的数据ꎮ 最后把以上数据计 ３０
算为 ８ ｄ 时间步长ꎬ用于与 ＭＯＤＩＳ 数据的时间分 (４)
辨率相统一ꎬ其中 ＧＰＰ 缺失时用近邻法进行填充ꎬ ＳｃａｌｅｄＥＶＩ ＝ ＥＶＩ－０.１ (５)
年末不足 ８ ｄ 的求平均后再乘以 ８ꎮ 式中: ＬＳＴ 为地表温度ꎻ ＥＶＩ 为增强型植被指
２.２ 遥感数据整理 数ꎻ ｍ 为 ＧＰＰ 与( ＳｃａｌｅｄＥＶＩ × ＳｃａｌｅｄＬＳＴ) 间的斜
ＭＯＤＩＳ 遥 感 数 据 来 自 ＮＡＳＡ ( ｈｔｔｐｓ: / / 率ꎬ即光能转化系数ꎬ它是通过模型标定得到的ꎻ
ｌａｄｓｗｅｂ.ｍｏｄａｐｓ.ｅｏｓｄｉｓ.ｎａｓａ.ｇｏｖ / )ꎬ具有较广的光谱 ＳｃａｌｅｄＥＶＩ 为 植 被 指 数 标 量 ( 贾 文 晓 等ꎬ ２０１６)ꎬ
范围和较高的时间分辨率( 董丽洁等ꎬ２０２４)ꎬ并且 ＳｃａｌｅｄＬＳＴ 为地表温度标量ꎮ
由于经过地理坐标和大气订正等处理ꎬ数据质量 ＶＩ 模型由 Ｗｕ 等(２０１０)提出且应用在落叶林
较高ꎮ 根据 ２ 个站点的经纬度信息ꎬ本研究采用 和小麦生态系统中ꎬ模型只利用 ＥＶＩ 和 ＰＡＲ 这 ２
了 ｈ２７ｖ０６ 这一景的遥感数据ꎬ时间跨度为 ２０１９— 个参数ꎬ表达式如下:
２０２１ 年ꎬ这包括了 ５００ ｍ 空间分辨率的地表反射 ＧＰＰ ＝ ａ×ＥＶＩ×ＥＶＩ×ＰＡＲ (６)
率数据(ＭＯＤ０９Ａ１)和 １ ０００ ｍ 空间分辨率的地表 式中: ＥＶＩ 为增强型植被指数ꎻ ＰＡＲ 为光合有
温度数据( ＭＯＤ１１Ａ２)ꎬ两者的时间分辨率均为 ８ 效辐射ꎻ参数 ａ 随环境与植被类型的变化而产生
ｄꎮ 首先采用 ＭＲＴ 工具从 ＨＤＦ 数据集中提取所需 差异且通过模型标定得到ꎮ
数据ꎬ然后进行批量合成、重投影、重采样和格式 ２.４ 统计分析
转换等处理ꎮ 其中ꎬ将空间分辨率为 ５００ ｍ 的地 两种遥感 ＧＰＰ 模型中都有相应的敏感参数ꎬ
表反射率数据重采样为 １ ｋｍꎬ用于与地表温度数 通常会受到气候条件及生态系统类型的影响ꎬ模
据的空间分辨率相统一ꎮ 分别以两站点地理坐标 型的模拟精度在很大程度上取决于该参数的选取

为原点ꎬ提取站点中心至周围 ３ × ３ 像元(３ ｋｍ× ３ 是否准确ꎮ 因此ꎬ在标定模型的敏感参数之后才
ｋｍ)内的 ＭＯＤＩＳ 数据ꎬ用这些数据的平均值代表 能开始应 用 模 型 进 行 ＧＰＰ 的 模 拟 估 算 ( 袁 文 平
站点区域的平均水平(Ｘｉａｏ ｅｔ ａｌ.ꎬ ２００５)ꎮ 根据数 等ꎬ２０１４)ꎮ 本研究采用 ２０１９—２０２０ 年的数据进
据质量控制文件选取可靠的像元ꎬ并插补缺失和 行标定ꎬ采用 ２０２１ 年的数据对 ＴＧ 和 ＶＩ 模型分别
不可靠的像元ꎮ 为了消除气溶胶、云等因素对植 在两站点的模拟结果进行验证ꎮ 本研究以两种时

被指数的影响ꎬ最后利用 ＴＩＭＥ￣ＳＡＴ 软件中的 Ｓ－Ｇ 间尺度(全年和季节) 利用通量塔实测 ＧＰＰ 对 ＴＧ
滤波对计算出来的植被指数进行平滑处理ꎬ剔除 和 ＶＩ 模型的敏感参数进行标定ꎮ 其中ꎬ在分季节

异常值ꎮ 标定时ꎬ可将全年数据按照春季(３—５ 月)、夏季
本研究所需的模型输入参数为增强型植被指 (６—８ 月)、秋季(９—１１ 月) 和冬季(１—２ 月和 １２
数(ＥＶＩ)ꎮ 基于 ＭＯＤ０９Ａ１ꎬ利用蓝波段(４５９ ~ ４７９ 月)进行划分ꎬ计算出各季节的敏感参数ꎬ再分季
ｎｍ)、红波段(６２０ ~ ６７０ ｎｍ) 及近红外波段(８４１ ~ 节进行模拟及验证ꎮ
２
８７５ ｎｍ)的反射率进行计算: 本研究 采 用 决 定 系 数 ( Ｒ )、相 对 误 差 ( ＲＥꎬ