全球高精度土地利用数据服务 全国作物类型空间分布数据服务 二级分类土地利用数据30m 高精度植被类型分布数据 全国城市功能区划分布数据 全国DEM高程数据服务 全国耕地数据空间分布服务 全国林地分类数据空间分布服务 全国草地类型分类数据空间分布服务 全国水体数据空间分布服务 全国建设用地数据空间分布服务 全国未利用地数据空间分布服务 地形、地貌、土壤理化性质数据服务 全国坡度坡向数据服务 一级分类土地利用数据30m
全国降水量空间分布数据集 全国气温空间分布数据集 太阳辐射量空间分布数据集 全国气象站点观测数据集 全国平均风速空间分布数据集 全国平均水汽压空间分布数据集 全国蒸散量空间分布数据集 全国日照时数空间分布数据集 全国相对湿度空间分布数据集 全国地表温度空间分布数据集 全国气候区划空间分布数据集 全国气象站点空间分布数据集 全国土壤湿度空间分布数据集 全国水文站点地表径流量空间分布数据集
土壤类型空间分布数据服务 土壤质地空间分布数据服务 土壤有机质空间分布数据服务 土壤酸碱度空间分布数据服务 土壤氮磷钾空间分布数据服务 土壤深度空间分布数据服务 土壤侵蚀强度空间分布数据服务 土壤含水量空间分布数据服务 土壤重金属含量空间分布数据服务 中国土壤阳离子交换量空间分布数据 中国土壤容重含量空间分布数据
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国人口密度数据服务 全国poi感兴趣点空间分布数据 全国医院空间分布数据服务 全国学校空间分布数据服务 全国居民点空间分布数据 全国旅游景区空间分布数据 全国机场空间分布数据 全国地铁线路站点空间分布数据 人口调查空间分布数据服务 社会经济统计年鉴数据 中国各省市统计年鉴 中国县级统计年鉴数据 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政区划空间分布数据服务
Landsat陆地资源卫星影像 高分二号遥感影像数据 高分一号遥感影像数据 Sentinel2哨兵2卫星影像 SPOT系列卫星遥感影像数据 WorldView卫星遥感影像数据 资源三号卫星遥感影像数据 GeoEye卫星遥感影像数据 NOAA/AVHRR卫星遥感影像 MODIS卫星遥感影像 环境小卫星 Rapideye快鸟卫星影像
高精度归一化植被指数NDVI空间分布数据 高精度净初级生产力NPP空间分布数据 LAI叶面积指数空间分布数据 全国地表温度LST空间分布数据 全国生态系统服务空间数据集 全国湿地沼泽分类空间分布数据集 全国陆地生态系统类型空间分布数据集 全国农田生产潜力数据集 全国GPP初级生产力数据 全国农田熟制空间分布数据集 中国植被区划数据 中国草地资源数据 全国月度NDVI归一化植被指数空间分布数据 月度净初级生产力NPP空间分布数据 全国年度NDVI归一化植被指数空间分布数据 年度净初级生产力NPP空间分布数据 增强型植被指数EVI空间分布数据 RVI比值植被指数空间分布数据
一.背景介绍
植被净初级生产力指数(NPP)反映的是植物固定和转化光能为化合物的效率,数值上与植物生长、发育、繁殖等自身生命活动相关,同时也为整个生态系统中其他生物成员的生命活动提供了不可或缺的物质基础。植被净初级生产力能够以统一的尺度标准来衡量区域土地利用/覆被变化过程对植被的影响程度,因此分析区域土地利用/覆被变化过程对植被净初级生产力NPP的影响是土地利用/覆被变化环境效应研究的重要组成部分。NPP作为地表碳循环的重要组成部分,不仅直接反映了植被群落在自然环境条件下的生产能力,表征陆地生态系统的质量状况,而且是判定生态系统碳源/汇和调节生态过程的主要因子,在全球变化及碳平衡中扮演着重要的作用。
地理遥感生态网平台应中国地质调查局西安地质调查中心要求,对陕西省2009年-2018年1000米NPP数据提供技术服务,以满足客户项目及科研工作的需要。
二.案例详情
服务单位 |
中国地质调查局西安地质调查中心 |
服务时间 |
2020.06 |
服务内容 |
陕西省2009年-2018年1000米栅格NPP数据 |
本次技术服务的核心是:是采用光能利用率(GLOPEM)模型算法,通过多种卫星遥感数据(Landsat、MODIS等)反演得到的多种尺度栅格数据产品。本次技术服务主要流程如下:
1.数据获取与数据准备
本项目需要生产陕西省2009年-2018年的NPP年值数据,生成的NPP数据为本年度净初级生产力的累计值。拟采用的遥感数据源为MODIS传感器数据。
2、NPP(净初级生产力)数据生产流程
GLOPEM-CEVSA模型输入数据主要包括来自气象台站观测经空间插值的气温、多年平均气温、相对湿度数据,利用土壤类型图和土壤剖面数据库等计算获取的土壤持水力,通过卫星遥感反演土壤湿度、FPAR及PAR。
(1)基于空间插值的气象数据
气象数据(温度、多年平均气温和相对湿度)是利用陕西省2009年-2018年约36个气象站点数据, 计算每8 d平均值后进行空间内插而得, 空间分辨率为1km,时间分辨率为8d。所使用的插值方法是由ArcMap开发的样条插值方法。在内插过程中主要考虑了经纬度和海拔高度对各气候要素的影响, 并利用分辨率为1km网格的数字高程数据按线性关系对样条函数得到的表面进行拟合, 得到最后的内插结果。多项研究认为这种方法对温度和湿度的插值效果明显优于其他方法。
(2)土壤持水力数据获取
本项目中采用的土壤类型图和土壤剖面数据库,通过不同土壤质地标准转换,识别区域土壤质地类型。在此基础上,应用土壤转换函数法和土壤质地信息进行1m深度内土壤田间持水量的计算,再根据土壤质地信息和植被类型数据进行有效土壤厚度的估算。
(3)基于遥感反演的土壤湿度
基于遥感反演的土壤湿度是利用25 km分辨率的陕西省2009年-2018年的美国NASA下载获得,根据NASA公布的最新校正方法和校正系数重新进行了辐射订正,并采用手工几何校正的方式, 对该数据进行了精确的几何纠正,并与DEM、生态系统类型数据相结合计算,最终实现25km与1km的分辨率转换。
(4)基于遥感反演的FPAR
基于遥感反演的FPAR是利用1km分辨率的陕西省2009年-2018年多源卫星数据(MODIS、风云卫星系列)。该数据通过美国NASA下载获得,根据NASA公布的最新校正方法和校正系数重新进行了辐射订正, 并采用手工几何校正的方式, 对该数据进行了精确的几何纠正。
(5)基于遥感反演的PAR
太阳辐射是植物生长所需外部能量的唯一来源。其中能被绿色植被用来进行光合作用的那部分能量(波长范围在400–700nm之间),即光合有效辐射(PAR)。它是形成生物量的基本能源,控制着陆地生物光合作用的速度,直接影响植物的生长、发育、产量与产品质量。PAR是GLO–PEM模型最重要的输入参数,本文采用CALPAR算法估算青藏高原光合有效辐射,算法表达式如下:
其中:Is为单波段光合有效辐射值(W*m-2*μm-1),可表示为下式:
其中:I0为单波段大气顶瞬时辐射(W*m-2*μm-1),Ib是单波段直射辐射,是经过大气后直接到达地面的太阳辐射;Id是单波段散射辐射,是经过大气衰减后偏离直射方向到达地面的太阳辐射,τb为直射辐射透过率,τb为散射射辐射透过率,cosi为地形、纬度以及地球赤纬的校正系数,采用下式计算:
其中h为太阳高度角对应的地方时时角,h = 15×(12-LST),LST=GMT- longitude/15,GMT为格林威治时间。α为坡度、Ф为纬度、φ为坡向,δ为太阳赤纬,太阳赤纬的计算公式如下:
其中N为儒历日。直射辐射Ib考虑传播过程中瑞利散射、臭氧、气溶胶的吸收和散射等作用,公式为:
其中τr是瑞利散射透过率,τoz是臭氧透过率,τw是水汽透过率,τa气溶胶透过率。Mo是大气路径长度,Mp是气压归一化的大气路径长度。λ为波长(μm)。Koz是臭氧的吸收系数,l是臭氧垂直方向上的臭氧质量(cm)。Kw是水汽的吸收系数,w是大气含水量(cm)。β是气溶胶的浑浊度参数,与波长无关,表示整层大气气溶胶的数量。α的数值与大气气溶胶粒子平均半径有关,平均半径越小,气溶胶的散射性质趋近分子散射。
其中wo为单次散射反照率,F为前向散射,θ是太阳高度角。
本项目的NPP(净初级生产力)年值数据生产步骤包括以下几步:
1)选择光合有效辐射吸收比例数据、光合有效辐射数据、地表温度数据、陆表水分指数数据和陆表水分指数最大值统计数据;
2)由地表温度数据,根据模型运算生成呼吸消耗率和温度对光合作用影像系数数据;由陆表水分指数和陆表水分指数数据最大值生成水分、叶片物候期对光合作用影像系数数据;
3)由温度、水分和叶片物候期对光合作用影像系数生成得到植被将所吸收的光合有效辐射转化为有机物的转化率;
4)由光合有效辐射吸收比例数据,光合有效辐射数据及有机物转化率数据生成得到总初级生产力数据;
5)由总初级生产力数据结合呼吸消耗率数据,计算得到净初级生产力数据。
3.技术服务成果展示
本次产品加工技术服务成果如图1所示: