文摘

准确估算植被生物物理变量如植被树冠高度( )是非常重要的地表模型的应用。难以获得的数据 在区域范围内或规模较大,但遥感提供的最有用和最有效的方法。叶面积指数(LAI)是密切相关的 ,我们分析与相关分析的关系基于实地测量的数据集在86 site-years网站全球在这项研究。结果表明,这两个参数之间存在指数显著正相关性和赖的变化将产生巨大的影响 。赖越高越高 是,反之亦然。此外,不同土地覆盖类型的系数非常异构,和赖needleleaf森林与显示了很强的关联 农田,而显示弱相关 。结果可能会提供一定的参考信息提取的数据 与遥感数据在区域范围内。

1。介绍

植被热量的传递起着重要的作用,动力和物质在地球系统(1),植被生物物理变量的精确估计是重视农业,生态和气象应用程序(2]。植被的结构因素,如叶面积指数(LAI)和植物的树冠高度( ),直接影响地表反照率,表面粗糙度,表面温度,表面水分,等等,都是模型的重要输入参数,如地表模型(LSM),区域气候模型(RCM),和全球气候模型(GCM) [3]。因此,植被密度和高度可能的数据的准确性有很大的影响在这些模型的模拟结果的不确定性。

赖和 是重要的植被生理参数与生态有密切关系,水文和气候模型。 是一个重要的生态指标,可以为科学家提供基本信息感兴趣的理解或建模范围广泛的大气、水文、生物物理和生态过程的森林和灌丛带(4赖),也是一个最重要的植被参数和土地产权指数作为能量交换的主要控制因素,水和陆地生态系统和大气之间的碳通量(5- - - - - -8]。作为主要的垂直结构的属性, 影响边界层气象学和小气候9]。除此之外, 起着非常重要的作用在大气和地表之间的接口方式有很多。例如,通常由于物理过程变化 大量的物理参数(如风速、温度和CO的浓度2)的地面经常被规范化 ,有时这些物理参数也规范化与他们的价值观 (10]。此外,一些研究证明 也起着重要的作用在影响的生物地球化学性质土地制度。例如,德赛等人发现 有很强的相关性有限公司吗2通量(11]。 是一个基本变量异速生长的方程估算森林生物量和生产力(12,13]。因此, 是一个非常重要的参数在许多研究领域;然而,当前的土地覆盖和植被分类通常提供很少甚至没有的信息 除了最基本结构植被的区别(4]。

地表模型如CESM、SEBAL和指标(14,15)可以计算出地表通量作为传热的空气动力阻力的函数,这是一个空气动力学粗糙度长度的函数 (m)。在这些模型zero-plane位移 (m)和 可能来源于各种各样的树冠结构输入。在最基本的决议, 和 是简单的线性函数的位置 ,通常是 和 (16,17]。一些研究把 和 的比例 (18]。这增加了仿真结果的不确定性。皮特曼(1994)显示,30%的误差估计 在LSM可能导致15%的误差估计的显热通量在森林环境(19]。此外,参数等 和 (20.,21常常规范化 intersite比较研究。这两个 和 主要依赖于 ,虽然归一化值 和 众所周知,随郁闭度和/或赖(20.- - - - - -22]。

一些研究人员发现,有一个相对较高的相关性 估计来自美国宇航局的主动激光植被成像传感器(LVIS)和最大 霍德兰森林以字段的值(23,24]。然而,有一些限制的空间范围从传感器获取机载激光雷达数据如LVIS [25),有必要制定一些有效的方法来估计 使用光学遥感[26]。不幸的是,还没有成熟的方法。目前,光探测和测距(激光雷达)数据可以提供详细的信息关于森林的树冠高度的垂直平面上(25,27]。例如,当前遥感数据,例如,陆地卫星数据,可以在水平面提供有用的结构信息,但这些数据是相对不敏感 。它已经成为一种流行和有效的方法来提取 基于遥感数据在区域范围内(6),它也已成为一个重要的科学问题,分析之间的关系 和其他相关参数,通过遥感植被可以轻松使用。

植被特征之间的关系而言,其他研究已经评估了植被指数之间的关系,林冠结构、生理、和生物量28,29日]。此外,一些以往的研究报道,赖昌星之间有密切的关系和土地覆盖类型(30.]。然而,很少有研究它们之间的直接的物理关系。在这项研究中,我们假设它们之间有一定的线性关系,这种关系之间的回归分析 赖和观察的基础上收集的数据从86年网站覆盖各种植物的表面。本研究的结果可以为间接提取提供一定的参考价值 在地区和全球范围内。

2。数据

在这项研究中使用的数据集的数据主要包括 赖,这两个被认为是作为地表特征的重要参数在大多数网站(31日]。在这项研究中,我们收集和整理数据的植被和结构参数在86 site-years实地测量的全球网站。原始的植被数据被分为17个类型(32]根据植被/土地覆盖分类系统标准由国际岩石圈生物圈计划(IGBP) [33]。图1显示了这些网站的空间分布。在图1,五个site-years黄色的圆圈,没有坐标信息,从第二个版本(版本2)数据库的全球土地覆盖特征。


图1
网站的空间分布。

在这项研究中,数据集 赖和来自两个数据源。第一个数据集的数据集是全球陆地生态系统的净二氧化碳和水通量,1969 - 1998。橡树岭国家实验室分布式有源档案中心(ORNL DAAC)生物地球化学动力学组织和格式化这些数据长期存档。133年的研究站点的数据文件包括110 micrometeorological研究和23圈地的研究。研究(micrometeorological或外壳)的类型和分类的生态系统由曼被添加到每个条目。本文中使用的数据测量站点位置和几个物理和生物物理特征(例如, 赖,站年龄),最后整理有效的数据记录53。第二个数据集的研究结果来自于曹et al。(2012)34]。数据测量的峰值为每个站点和叶生物量指定年IGBP植被分类系统的分类。在这个数据集,有33个记录。

数据集包含的信息的经度,纬度,赖(最大) (最大)网站终于建立起来了。变量的描述性统计这个数据集都包含在表1。的分析,我们重新分类的原始植被类型到IGBP分类系统。然后统计不同类型的记录编号并入NF (needleleaf森林),BF(阔叶林),C(农田),G(草原),MF(灌木地)和热带稀树草原(表2)。的主要表面植被类型网站是草原、农田、森林(落叶阔叶森林,落叶针叶林、常绿针叶林、常绿阔叶林,和打开/关闭灌丛带),和热带稀树草原。植被的土地覆盖分类系统表面有排除nonvegetation表面类型,包括城市和组合(13),冰雪(15),水体(17),土地覆盖分类类型与nonsite分布混交林(5),伍迪热带稀树草原(8),永久性湿地(11)、农田和自然植被马赛克(14),和贫瘠或植被稀疏(16)。

表1
描述性统计的数据集在86 site-years实地测量的全球网站。
表2
网站统计分布在IGBP土地覆盖分类系统。

3所示。结果

之间的相关分析 , 赖, 实施一个接一个,最后相关矩阵。结果表明,赖昌星的皮尔森相关值和植被高度( ), 分别达到0.64和0.616,而有一个更敏感的关系 赖和 因为他们的个人价值是0.609和0.681,分别。

结果表明,之间存在着正相关的 , 赖, (表3)。最显著的相关性 和 在1%的水平,这是重要的意义(双边),以及它们的相关系数是0.681。其次是,两者之间 赖,相关系数为0.641。的显著性水平 赖昌星是最弱的,其相关系数为0.609。通过查询相关系数的临界值表,发现之间的关系 , 赖, 都在99%显著水平的信心。

表3
相关矩阵的 ln ( )、LAI和ln (LAI)。

的回归分析 和赖用SPSS软件,实现 因变量和赖是独立的变量。结果如下:总结了条件的回归模型,估计的参数值,曲线拟合的结果 赖,最终回归方程(表4,图2)。

表4
摘要回归模型和估计的参数值。

图2
结果的拟合曲线 赖和男朋友(阔叶林)、NF (needleleaf森林),C(农田),G(草原),S(热带稀树草原),(MF)灌木地。

结果表明,这些功能都反映了之间的关系 在某种程度上和赖。结果表明,曲线拟合的结果 和赖幂函数是最合适的,可有效反映之间的相关性 和赖( , )。这是紧随其后的是线性拟合( ),而与指数函数是最差的结果( )。

尽管幂函数可以反映之间的相关性 和赖最好,发现对数函数能更好地反映之间的相关性 和赖在某种程度上,当单个或几个土地覆盖类型作为研究对象。对数函数被用来分析之间的关系 赖和合并后的土地覆盖类型为研究对象在这项研究中,包括土地覆盖BF、NF, C和G。

对数函数的结果分析如下。数据3(一个),3 (b),3 (c),3 (d)代表之间的散点图 赖的阔叶林,needleleaf森林,农田,和草原。实线代表拟合线的变化趋势,拟合方程,拟合方差( ),显著性水平;见表5。

表5
变化趋势的阔叶林,needleleaf森林、农田、草原(相关系数的平方( ),显著性水平(团体),和回归模型)。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图3
之间的散点图 赖,阔叶林,(b) needleleaf森林,农田(c), (d)草原。

结果表明,不断变化的趋势 赖的阔叶林,needleleaf森林和草原往往收敛;也就是说,他们在整个显示正相关,表明阔叶森林的树冠高度,needleleaf森林和草原与赖昌星将增加。和 阔叶林,needleleaf森林,草原是0.24,0.25和0.26。他们在10%的显著性水平意义重大。之间存在着负相关的变化趋势 赖的农田,相反他们的土地覆盖类型和不符合常识;这可能是由于以下原因。首先,农田的数据是极大地影响了农作物的类型。第二,H和相关性分析的结果并不显著赖自数据非常有限的土地覆盖类型在这项研究中使用的数据集。

相比之下,结果反映了之间的关系 和其他三个赖土地覆盖类型。结果表明,之间存在正相关关系 和赖总的来说,赖昌星的变化有一定影响植被高度的变化;赖越大,植被高度越高,反之亦然。除此之外,有一些变化程度的相关性 和赖在不同土地覆盖类型。

4所示。结论

结果表明,之间存在显著的正相关 赖,幂函数关系 和赖尤其重要。此外,本研究还分析了之间的关系 赖和阔叶森林植被类型,needleleaf森林,农田和草地。结果表明,在关系有显著差异 和赖在不同土地覆盖类型。具体来说,之间存在显著正相关关系 赖的阔叶林,needleleaf森林和草原,而之间存在负相关 赖和农田。此外,仪器用来测量赖在不同网站不是完全相同的,这就增加了不确定性在赖和之间的关系 。

更多类型的植被数据集应该包括提高鲁棒性的研究。同时,数据的不足,本研究只分析之间的关系 赖阔叶林,needleleaf森林、草原,和其他植被类型,因此,未来的研究应该分析全面的关系 赖和包括一个广泛的植被类型量化植被对热传输的作用。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究受到了中国国家自然科学基金项目(批准号41071343)和国家重点规划发展中中国基础科学(批准号2010 cb950900)。