一种荒漠化地区土壤有机碳密度高空间遥感估测的方法与流程

本发明涉及一种荒漠化地区土壤有机碳密度高空间遥感估测的方法。

背景技术：

目前，全球变暖现象日益显著，随之引起的气候变化及其所带来的影响越来越受到国际的广泛关注，而与之密切相关的全球和区域碳循环研究已经成为全球变化和宏观生态学的核心研究内容之一。陆地生态系统中2/3以上的碳储存于土壤中，土壤呼吸作用是陆地生态系统向大气输出碳的主要途径，是陆地生态系统碳循环的重要组成部分。据估计，全球陆地生态系统土壤呼吸每年向大气中释放的碳通量能够达到(68±4)-100pgc，约为化石燃料碳排放量的11倍，仅次于全球陆地总初级生产力(gpp)的估算值100-120pgc/a。土壤碳库及其碳排放量如此巨大，使得土壤呼吸速率的微小变化都会导致土壤碳素的周转速率，特别是大气co2浓度发生重大改变，从而可加剧或减缓全球气候变暖。然而目前相关研究多集中在森林、湿地和草原等植被生长较为茂盛的区域，而对处于干旱和半干旱地区的荒漠生态系统关注则相对较少。干旱生态系统在全球生态系统中占据十分重要的位置，包括干旱区、半干旱区以及干旱亚湿润区。它被联合国防治荒漠化公约组织unccd定义为“潜在的荒漠化发生区”，一般植被较为稀疏，土壤矿化强烈，土壤中有机质含量较低，生态环境脆弱，极易受自然与人为的影响。相关研究表明，荒漠可能成为较大的碳汇，干旱土壤可能在陆地生态系统碳平衡和碳循环的全球变化中发挥更加显著的作用。因此，准确定量地估算半干旱区域的土壤有机碳对于分析荒漠化地区碳循环过程具有重要的实际意义。

土壤有机碳密度(soilorganiccarbondensity，socd)是指单位面积(1m²)中一定深度的土层中有机碳储量，它是统计土壤碳储量的重要依据，通过socd进而可以得到土壤碳储量的多少。依据陆地生态系统碳平衡理论，当大气-植被-土壤碳循环处于动态平衡时，植被净初级生产力(netprimaryproductivity，npp)固定的有机碳，与通过土壤异养呼吸释放的有机碳相等。因此，可以通过估算npp和土壤呼吸强度来实现土壤有机碳密度的估算。

目前，在npp估算中，casa模型是npp估算最为常用的模型之一。但是，对于典型的半干旱区，植被稀疏且分布不均，地表有大量沙土覆盖。casa模型中最大光能利用率ε和植被吸收光合有效辐射比例中的调节参数β是npp估算的重要参数，以往研究中ε根据经验值进行设定，β设置为0.5，而对于植被稀疏的半干旱地区，难以满足高精度估算需求，因此需要根据实测数据对此参数需要进行调整优化，以使其符合研究区特征。

目前，土壤呼吸按照测定方法分为直接法和间接法。直接法中，在实验室和野外条件下最常用的测定方法是封闭式动态气室法。该方法目前被认为是最理想的测定方法，其代表有li-8100a(土壤呼吸通量测量仪)和li-6400。该方法获得的数据精确，但是难以推算区域土壤呼吸，适用范围和适用尺度较小。间接法主要有基于统计学分析的经验模拟模型和过程预测模型。其中van’thoff模型较为常用，相关研究认为对中国陆地生态系统，该van’thoff模型能较好地解释土壤呼吸速率变化。但是，一方面由于荒漠化地区一般降水较少，同时蒸散作用强烈，降水和气温，往往是土壤呼吸的限制因素，因此需要针对荒漠化地区特点，对模型进行优化，使其适应区域气候环境特点。另一方面，受云污染和重复周期影响，难以获取用于估算的高分辨率遥感数据，进而影响了荒漠化地区土壤有机碳空间分布的更高尺度和更高精度的刻画。

技术实现要素：

本发明要解决的技术问题是提供一种适用于半干旱荒漠化地区土壤有机碳密度高空间遥感估测的方法，旨在借助gf-1wfv数据的高空间分辨率优势和modis数据的高时间分辨率优势，通过优化相关碳循环模型参数，实现荒漠化地区土壤有机碳密度高时空分辨率遥感估算；解决传统的估测方法中，空间尺度较大、难以精细反映土壤有机碳密度空间分布特点，部分模型参数常用经验常数代替，无法适应研究区植被生长、气候条件特点而估测精度不足的问题。

为了解决上述问题，本发明采用如下技术方案：

一种荒漠化地区土壤有机碳密度高空间遥感估测的方法，包括以下步骤：

1)基于modisndvi和gf-1wfv数据，利用starfm实现高分辨率gf-1ndvi数据集的融合模拟，获得月度npp数据；

2)基于步骤1)生产的月度npp数据，综合同期气象数据和土地利用数据，利用改进的casa模型估算浑善达克沙地高空间分辨率的年均npp数据；

3)根据碳循环动态平衡原理，基于van’thoff呼吸模型，利用步骤2)中npp结果估算高空间分辨率的年均土壤基础呼吸及空间格局；

4)基于步骤3)获得高分辨率土壤呼吸数据和实测socd数据，构建研究区socd反演模型，实现研究区土壤有机碳密度高空间分辨率的遥感模拟。

本发明的有益效果是：通过对土壤有机碳密度估算流程中的主要模型参数进行优化，融合gf-1wfv数据高空间分辨率优势和modis数据高时间分辨率优势，实现了荒漠化地区土壤有机碳密度的高空间(16m)和高精度估算；以及利用遥感技术，能够较好地解决土壤有机碳密度尺度外推的问题，使其能够更精细地反映沙地中土壤有机碳密度分布的空间异质性，为开展多尺度土壤呼吸长期定量估测提供了可能，进而为荒漠化地区的土地退化监测与评价、荒漠化治理工程的实施工作提供科学数据参考和提高国产遥感数据的应用能力。

附图说明

图1为本发明荒漠化地区土壤有机碳密度高空间遥感估测方法的技术路线图。

图2为估算得到的浑善达克沙地2014-2016年3年年均npp高空间分辨率空间分布。

图3为npp估算验证结果。

图4为基于gf-1wfv数据估算得到的土壤基础呼吸空间分布。

图5为socd估算模型建立与验证。

图6为基于gf-1wfv的浑善达克沙地及其周边地区土壤有机碳密度分布图。

图7为用于gf-1wfvndvi和modisndvi时空模拟的starfm模型主要核心思想流程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明以内蒙古锡林郭勒盟的浑善达克沙地为研究区，它位于内蒙古中东部锡林郭勒盟草原南端，地处农牧交错地带，地表分布着大范围的流动、半固定和固定沙丘；浑善达克沙地是典型的半干旱区，地属中温带大陆性气候，东西约400km，南北约200km，平均海拔1300m左右；由于该区距离海洋较远，全年降水相对较少且多变，年均降水量从东南部向西北部逐渐递减；浑善达克沙地地带性土壤以栗钙土为主，其次为棕钙土；近年来，该地区被过度开发利用，植被破坏较严重，流动沙丘和半流动沙丘的面积持续扩大；沙地位于温带草原区域，分布有典型的草原植被和沙地植被。

参阅图1所示，该区域土壤有机碳密度高空间遥感估测的方法，包括以下步骤：

1)一般来说，限于遥感卫星自身的物理性能，其获取的遥感影像存在时间分辨率和空间分辨率之间的矛盾，高空间分辨率和高时间分辨率这两者往往不可兼得；目前随着遥感卫星数据空间分辨率的提高，其时间分辨率相应地降低；因此针对这种情况，本发明利用starfm方法，结合高分辨率数据gf-1和高分辨率数据modisndvi，获得高时空分辨率ndvi数据集；首先在对gf-1数据预处理后，提取其ndvi值，然后获取同月的modisndvi数据，通过starfm模型，依次模拟一年内其他缺失的与gf-1同尺度(16m)的ndvi数据，最终获得1年内12个月的16m分辨率的ndvi数据集；在本发明的研究区中，荒漠化地区植被受降水影响较大，为了消除不同年间降水对其影响，我们利用2014-2016年每年中的生长季gf-1wfvndvi数据，结合对应时间段内的modisndvi数据模拟相应时间内的高空间分辨率的ndvi数据，构建高空间分辨率ndvi数据集(空间分辨率为16m)；基于gf-1wfv与modis数据，采用starfm模型来实现ndvi的高空间分辨率模拟，进而提高土壤有机碳密度估算的空间分辨率；

2)基于浑善达克沙地特殊的植被与气候条件，优化casa模型中估算光合有效辐射吸收比例(fpar)fparndvi和fparsr的比例调节参数，确定最大光能利用率ε；结合步骤一中构建的高空间分辨率ndvi数据集和2015年30m土地利用/覆盖数据，估算浑善达克沙地高空间分辨率的npp，估算结果如图2所示；采用实测npp数据模拟的方法对最大光能利用率以及调节参数进行了模拟；首先基于casa模型中相关公式，利用步骤一中已经建立的ndvi数据集估算fpar、水分以及温度胁迫等参数，然后将实测的草地生物量转化成实际npp，将已知参数代入相应方程中对最大光能利用率以及估算fpar时的调节参数同时模拟；其中β介于0-1之间，最大光能利用率也介于0-1之间；casa模型的估算公式中，将各个参数归并到一个方程式如下所示：

经过展开后，将已知参数的运算结果设为w和y，则有如下所示：

npp(x)＝wβεmax+yεmax(2)

式中，npp(x)表示实测值；fparndvi和fparsr分别代表样地点对应的利用ndvi和sr指数求得的吸收植被光能利用率值；β和εmax为模拟的调节参数和最大光能利用率值，都属于0-1之间；i，t分别代表样地点以及月份；根据上述参数以及野外调查数据代入公式(1)根据方程的方式可看出，两组方程组便可确定一组结果，将每个方程通过两两组合，将其带入样地点中，求解；在本研究区中，根据100个野外样地的测定结果，确定研究区典型草地最大光能利用率模拟值平均值为0.518gc/mj，调节参数平均值为0.378；草本湿地的最大光能利用率平均值为0.523gc/mj，调节参数平均值为0.402；草甸草地的最大光能利用率为0.52gc/mj，草甸草地调节参数平均值为0.387；将获得的试验区生物量实测数据(n＝113)根据ipcc推荐的方法转换为npp数据，对估算的npp进行验证；验证结果如图3所示，在p＜0.001水平上，实测npp与估测npp值显著相关，两者的rmse为20.54gc/m²/a，r²为0.5462；采用实测数据，针对荒漠化地区特点，对casa模型中光合有效辐射吸收比例(fpar)fparndvi和fparsr的比例调节参数，最大光能利用率ε进行优化；

3)采用van’thoff公式估算土壤呼吸，公式如3，4所示：

b＝lnq10/10(4)

式中，rh为土壤异养呼吸，a为土壤温度为tref下的生态系统呼吸强度，b为温度敏感性因子，tm为土壤实测温度，q10指土壤呼吸的温度敏感性，它表示温度每升高10℃，土壤呼吸强度增大的倍数；q10的取值对模拟的生态系统碳库变化对温度的响应具有非常重要的影响，研究表明，该参数在不同类型生态系统中存在较大的差异；本发明参考cetm模型中的计算方法，公式如(5)，在cetm模型中，q10随着温度的升高而减小，体现了植被对高温条件的适应；

q10＝3.22-0.046t(5)

除了温度条件外，水分是影响生态系统呼吸强度的另一个重要环境因子，尤其是干旱半干旱地区，降水较少，同时蒸散作用强烈，降水往往成为土壤呼吸的限制因素；水分因子常常和温度因子一起作为驱动变量，建立耦合的土壤呼吸模型；本发明采用连乘的方式，参照典型碳循环模型-century模型，将水分限制因素与温度建立耦合模型，如式(6)-(8)：

y＝1/(1+30.0*e^-8.5x)(7)

x＝ppt/pet(8)

式中，y为水分条件对呼吸强度的限制，ppt为年降水量，pet为同期潜在蒸散量；根据undccd的推荐，pet采用thornthwait(1948)的方法估算；假设一个月有30天，每天日照时长为12h，当月均气温介于0-26.5℃时，

a＝(0.675*i³-77.1*i²+17920*i+492390)*10^-6(10)

pet＝e0*cf(12)

式中，e0为潜在的蒸散量(mm)，t为月平均温度(℃)，a为常数，受气温影响，不同地区位置a值不同，i为一年中12个月热量之和，pet为经过校正后的潜在蒸散量(mm)，cf为纬度调整系数，用于调整随着纬度对日照时数与每月日数；

当月均温度大于26.5℃时，e0计算公式为：

e0＝-0.43*t²+32.24*t-415.8(13)

当月均温度小于0时，e0为0；

由以上公式可知，土壤异养呼吸公式为：

在生态系统碳循环过程中，植被凋落物的矿化过程和腐殖质的分解过程向大气释放碳的速率即为土壤异养呼吸速率；当大气-植被-土壤之间的碳循环处于动态平衡时，植被固定的碳即npp(扣除植被本身呼吸消耗的部分)与土壤异养呼吸释放的碳相等，即

npp＝rh(15)

结合以上公式，反演得到土壤基础呼吸公式，如式(16)：

在已有研究中，土壤呼吸或土壤基础呼吸模型多应用于大面积区域或者全国尺度，且由于土壤实测温度数据匮乏，因此大多研究者采用大气温度来代替土壤温度；但是由于沙地中大气温度波动通常大于土壤温度，使得土壤呼吸估算模型不确定因素增加，从而使结果出现偏差，因此利用modislst数据与年均npp数据，估算浑善达克沙地的土壤基础呼吸以及空间格局，结果如图4所示；采用2014-2016年3年年均npp作为土壤基础呼吸模型输入数据，避免由于年气候条件年际变化对植被生长的影响；采用modis土壤温度产品作为模型输入，开展土壤基础呼吸反演；针对荒漠化地区植被生长特点和气候特点，特别是气温和降水的影响，优化van’thoff模型，进而提高土壤有机碳密度估算精度；荒漠化地区的潜在蒸散，采用undccd的推荐的thornthwait方法估算；

4)将实测socd数据与年均sbr构建回归模型，然后估算研究区土壤有机碳密度空间分布；在本研究区中，采用土壤样地实测化验数据构建socd估算模型并验证，socd估算模型建立与验证如图5所述；研究区中共获取75个土壤剖面实测样本，随机选取其中的50个样地数据参与模型建立，剩余样本作为独立样本用于模型精度评价验证，检验模型的预测能力；基于构建的土壤有机碳密度估算模型估算典型半干旱区浑善达克沙地socd及其空间分布格局；图6为基于gf-1wfv数据估算的浑善达克沙地地表socd的等级分布与空间分布情况。

高空间分辨率月度ndvi数据集构建：gf-1wfv数据空间分辨率高，但是受重访周期和云的影响，难以获取用于npp估算的月度ndvi数据，而modis数据产品具有时间分辨率高的优势；因此可利用自适应遥感图像时空融合方法starfm(spatialandtemporaladaptivereflectancefusionmodel，starfm)，该方法由gao等人(2006)发展而来，该算法核心在于寻找高分辨率数据与中分辨率数据的相似像元，并计算相似像元权重和转换系数，从而实现高时间分辨率、低空间分辨率的影像对高空间分辨率、低时间分辨率的缺失影像模拟，该算法在很大程度上提高了模拟数据的精度；starfm模型技术流程如图7所示，逼历该年中缺失的所有其他月份，即可得到该年月度高分辨率ndvi数据。

npp估算：npp是指绿色植被通过光合作用，产生有机物后扣除自养呼吸所消耗的部分剩余后的有机物量，即植被在单位时间、单位面积上积累的有机物；npp反映了植被在自然条件下的生产能力，是评价生态系统稳定性的重要指标之一；casa模型作为npp估算最主要的遥感模型之一，特点为输入参数相对较少且估算过程较为容易；该模型主要计算公式有：

npp(x，t)＝apar(x，t)×ε(x，t)(17)

apar(x，t)＝sol(x，t)×fpar(x，t)×0.5(18)

其中，npp(x，t)为像元x处在t月的npp(gc/m²/月)，ε(x，t)则表示像元x处在t月的光能利用率的实际值，可以通过估算气温以及水分的胁迫对理想条件下最大光能利用效率的影响得到；apar(x，t)为像元x在t月中光合有效辐射的吸收情况(mj/m²/月)；sol(x，t)为像元x处在t月的太阳总辐射量(单位：mj/m²/月)；fpar(x，t)为光合有效辐射的吸收比例(无单位)；0.5为植被利用的太阳有效辐射占太阳总辐射的比例，是一个常数。对于不同的植被类型，fpar通过该植被类型的ndvi最大值、最小值以及对应的fpar最大值、最小值来进行估算；在本技术方案中，根据实测的npp数据，对荒漠化草地的最大光能利用率和太阳有效辐射占太阳总辐射的比例进行了优化。

土壤基础呼吸：地上植被固定的碳以及土壤微生物呼吸消耗的碳决定了土壤中有机碳积累量的多少；因此可以通过建立土壤呼吸强度模型来实现socd估算；地上植被固定的碳可以由npp反映，而土壤呼吸则受多种因素影响，特别是温度与降水；因此，如果将土壤呼吸强度作为土壤有机碳含量的指标，必须排除温度和降水等气象因素的限制影响；土壤基础呼吸(soilbasalrespiration，sbr)为在土壤温度为0℃且没有水分胁迫下的土壤呼吸强度，它排除了温度和降水的影响，使得土壤碳的多少成为土壤呼吸强度的关键影响因子；进一步可以采用van’thoff方程进行sbr的估算；

van’thoff公式主要包括：

b＝lnq10/10(21)

式中，rh为土壤异养呼吸，a为土壤温度为tref下的生态系统呼吸强度，b为温度敏感性因子，tm为土壤实测温度，q10指土壤呼吸的温度敏感性，它表示温度每升高10℃，土壤呼吸强度增大的倍数；由于浑善达克沙地降水较少，同时蒸散作用强烈，降水往往也是土壤呼吸的限制因素；水分因子常和温度因子一起作为驱动变量，建立耦合的土壤呼吸模型；本发明技术方案中采用连乘的方式，结合zhou(2007)改进的碳循环模型，参照典型碳循环模型-century模型，将水分限制因素与温度建立耦合模型，进行sbr的反演；

式中，rh为土壤异养呼吸；a为土壤基础呼吸；tm为土壤表层温度；y为水分胁迫因子，ppt为年降水量，pet为同期潜在蒸散量，x为湿润指数(moistureindex，mi)；b为温度敏感因子。其中，根据unccd的推荐，pet采用unccd推荐thornthwait(1948)方法估算；根据陆地生态系统碳平衡原理，当陆地生态系统中植被-大气-土壤碳循环处于动态平衡时，土壤中微生物呼吸分解的碳与植被固定输入的碳量相同，即rh＝npp，因此土壤基础呼吸公式为：

将实测socd数据与年均sbr构建回归模型，并对模型精度进行验证，进而推算整个区域的socd。

本发明的有益效果是：通过对土壤有机碳密度估算流程中的主要模型参数进行优化，融合gf-1wfv数据高空间分辨率优势和modis数据高时间分辨率优势，实现了荒漠化地区土壤有机碳密度的高空间(16m)和高精度估算；以及利用遥感技术，能够较好地解决土壤有机碳密度尺度外推的问题，使其能够更精细地反映沙地中土壤有机碳密度分布的空间异质性，为开展多尺度土壤呼吸长期定量估测提供了可能，进而为荒漠化地区的土地退化监测与评价、荒漠化治理工程的实施工作提供科学数据参考和提高国产遥感数据的应用能力。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围内。