吴朝阳博士在碳循环遥感研究方面取得丰硕成果
来源: 黄妮
被阅读 13502 次
2013-04-17

        陆地生态系统碳循环在全球碳循环中占有重要地位,研究陆地生态系统碳循环机制及其对全球变化的响应,是预测大气CO2通量以及气候变化的重要基础,这已引起科学界的高度重视。遥感科学国家重点实验室的吴朝阳博士及其同事多年来一直致力于陆地生态系统碳循环方面的遥感反演与应用工作,取得了一系列有意义的研究成果:

1. 提出了叶绿素遥感反演的潜在波段

        植被生化组分(如叶绿素)是研究植被生长状况的主要指标,也是农业遥感应用的重要参数。高光谱数据虽然提供了众多的波段和精细光谱,但如何提取有效的波段进行植被叶绿素含量反演仍然是制约高光谱应用的问题之一。吴朝阳等人结合地面试验和高光谱Hyperion遥感数据,通过PROSAIL模型模拟叶片和冠层反射率在各波段受生化分组的影响,发现常用波段800 nm和670 nm处的反射率会随叶绿素的增加饱和,因此建立了红边波段750 nm和705 nm的植被指数,提高了叶绿素的反演精度。该成果发表于Agricultural and Forest Meteorology,已被Scope 引用 47次,是该期刊2008年以来25篇Most cited papers 之一(第9)。

(http://www.journals.elsevier.com/agricultural-and-forest-meteorology/most-cited-articles/)

图1 利用星载高光谱数据Hyperion反演小麦叶绿素含量(引自 Wu et al., 2008)

2. 利用植被指数和温度因子反演光能利用率

        地面通量数据是获取区域尺度光能利用率的最可靠方法。虽然单一的植被指数可以提供一定精度的光能利用率,但是无法解释外界环境变化对光能利用率的影响。目前MODIS小组正研究如何通过PRI来反演LUE,但吴朝阳等人另辟蹊径,通过现有的MODIS EVI和LST产品反演LUE。研究发现LUE随温度的非线性变化导致温度无法响应高LUE,因此通过指数转换,使得温度能更好地反映LUE的变化。利用北美20个森林站点进行了多年的反演研究,发现算法的精度在0.055 g C mol-1 PAR。这一成果2012年发表于Remote Sensing of Environment,是该杂志25篇most downloaded paper 之一。

(http://top25.sciencedirect.com/subject/earth-and-planetary-sciences/9/jo...)

图2 利用MODIS植被指数和温度数据反演光能利用率(引自Wu et al., 2012a)

3. 提出降水频率是决定夏季土壤水分含量的主要因子

        现有的生态系统模型中往往利用降水量的多少去估计土壤水分的变化,但是这样的方法没有考虑降水的时空变化,如在降水量相同的情况下,其分布的变化可能也会导致土壤水分的变化。因此,吴朝阳等人利用全球415站点-年的通量数据,提出了降水频率才是土壤水分变化的主要因素,并且跟降水频率所用的时间频率(如3小时,6小时等)有关。这一结果不仅揭示了降水变化对于土壤水分的影响,更进一步说明,目前的生态系统模型中未能重视降水的分布变化,仅仅依靠降水量和土壤水分的关系远不能解释植被在干旱条件下的响应机制。该文章2012发表于 Environmental Research Letters,得到了一定的认可(图3)。

(http://environmentalresearchweb.org/cws/article/news/49913)

图3 降水频率和土壤水分的关系(引自Wu et al., 2012b)

4. 提出秋天的物候变化是碳吸收年际变化的主要因素

        前人研究表明春天的温度升高会增加年碳汇,但是却忽略了伴随着秋天温度的升高又会延长生态系统呼吸,进而抵消掉由于春天增温的影响,因此仅靠春天的温度无法研究碳吸收的年际变化。现有的物候研究往往利用生长期或碳净吸收与排放的转折点等单一指标。吴朝阳等人通过研究全球22个站点共计 212 站点-年的数据,发现秋天生长季的结束和净碳吸收之间的间隔才是碳汇年际变化的最主要因素,这一时间间隔被定义为Autumn lag(图4)。这一结果表明:(1)秋天的物候变化是NEP年际变化的主要因素,(2)生态系统呼吸比光合作用对NEP年际变化更重要。这些观点得到了全球变化研究领域专家的认可,文章发表于2013年的生态学杂志Global Ecology and Biogeography。

图4 利用秋天的物候变化解释NEP的年际变化(引自Wu et al., 2013)

参考文献

Chaoyang Wu, Zheng Niu, QuanTang, Wenjiang Huang, 2008, Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation, Agricultural and Forest Meteorology, 148, 1230-1241. (SCI, IF=3.389)

Chaoyang Wu, Jing M. Chen, Ankur R. Desai, David Y. Hollinger, M. Altaf Arain, Hank A. Margolis, Christopher M. Gough, Ralf M. Staebler. 2012a. Remote sensing of canopy light use efficiency in temperate and boreal forests of North America using MODIS imagery. Remote Sensing of Environment, 118, 60-72. (SCI, IF=4.574)

Chaoyang Wu, Jing M. Chen, Jukka Pumpanen, Alessandro Cescatti, Barbara Marcolla, Peter D. Blanken, Jonas Ardö, Yanhong Tang, Vincenzo Magliulo, Teodoro Georgiadis, Henrik Soegaard, David R. Cook, Richard J. Harding. 2012b. An underestimated role of precipitation frequency in regulating summer soil moisture. Environmental Research Letters,  DOI:10.1088/1748-9326/7/2/024011. (SCI, IF=3.631)

Chaoyang Wu, Jing M. Chen, T. Andrew Black, David T. Price, Werner A. Kurz, Ankur R. Desai, Alemu Gonsamo, Rachhpal S. Jassal, Christopher M. Gough, Gil Bohrer, Danilo Dragoni, Mathias Herbst, Bert Gielen, Frank Berninger, Timo Vesala, Ivan Mammarella, Kim Pilegaard, Peter D. Blanken. 2013. Interannual variability of net ecosystem productivity in forests is explained by carbon flux phenology in autumn. Global Ecology and Biogeography, DOI: 10.1111/geb.12044. (SCI, IF=5.145)