遥感技术在土壤呼吸区域估算中的应用研究

Soil respiration is the second most important carbon flux in terrestrial ecosystem carbon cycle following gross primary production. It plays an important role in the carbon cycle and carbon budget of terrestrial ecosystems. Scholars both at home and abroad have relatively more studies on the aboveground processes of terrestrial ecosystems than belowground soil respiration processes, such as gross primary productivity, net primary productivity and net ecosystem exchange. Through preliminary field experimental study, we found that using remote sensing data in the estimatin of soil respiration is a direction with potential research significance.Therefore, this project intends to use remote sensing technology to estimate regional soil respiration. First, we achieved the inversion of surface temperature, soil water content and plant gross primary production mainly based on remote sensing data, which have close relationships with the temporal and spatial variations of soil respiration. Then, different statistical models were used to describe the responses of soil respiration to the three factors. Based on several model selection indices, the optimal estimation model of soil respiration was determined and was used to derive the spatial distribution of soil respiration at regional scale. Finally, we analyzed the driving mechanism for spatial difference in soil respiration. The implementation of this project provides a new idea or method for the estimation of regional soil respiration and plays an important role in the accurate estimation of regional carbon sources and sinks.

土壤呼吸是陆地生态系统碳循环中仅次于总初级生产力的第二大碳通量组分，在陆地生态系统碳循环和碳收支中占有重要地位。国内外学者利用遥感技术对陆地生态系统中"地上"过程的研究已经相对较多，如陆地植被的总初级生产力、净初级生产力和净生态系统交换等，但遥感技术应用于"地下"土壤呼吸过程的研究甚少。我们通过初步的野外实验研究表明遥感数据应用于土壤呼吸的估算是一个具有潜在研究意义的方向。因此，本项目拟从影响土壤呼吸时空变化的因子（温度、水分和植物活动）入手，基于主要由遥感数据反演的地表温度、土壤水分含量和植被生产力因子，利用不同的统计模型分别表征土壤呼吸对这三个因子的响应，并依据一定的模型选择指标，确定土壤呼吸估算的最优模型，获得区域土壤呼吸的空间分布。在此基础上，进一步分析土壤呼吸的空间差异及其驱动机制。本项目的实施为区域土壤呼吸的估算提供一种思路和方法，对准确估算区域碳源汇有着重要作用。

国内外学者利用遥感技术对陆地生态系统中“地上过程”的研究已经相对较多，如基于遥感数据估算植被的总初级生产力，净初级生产力和净生态系统交换等，但较少有研究利用遥感数据来定量估算土壤呼吸。本项目通过野外实验获取农作物样地的土壤呼吸观测数据，结合收集到的三个森林通量站点多年连续观测的土壤呼吸数据，研究了遥感数据在土壤呼吸模拟中的作用。利用多源遥感数据来定量表示影响土壤呼吸时空变化的因子（如：温度、水分和植被因子），使用结构化方程模型、半经验统计模型和支持向量机回归模型等方法来定量估算土壤呼吸的时空分布。主要研究成果包括：1）利用结构化方程模型分析玉米生长旺盛时期的土壤呼吸野外采样数据，发现表征植被长势的叶面积指数和表征土壤属性的土壤有机碳含量是影响玉米地土壤呼吸空间变化的直接因子，因此，结合环境减灾小卫星影像提取的增强植被指数和GIS空间插值的土壤有机碳含量，构建土壤呼吸经验统计模型较好的估算了玉米生长旺盛时期土壤呼吸的空间格局；2）针对土壤呼吸温度敏感性随时间变化的问题，将遥感数据提取的植被物候信息引入土壤呼吸的模拟中，针对不同的物候期，分别建立由遥感温度产品、遥感根区土壤湿度产品和遥感植被指数产品驱动的土壤呼吸半经验统计模型，以较高的精度估算了落叶阔叶森林站点土壤呼吸的季节变化；3）以遥感数据获取的最大叶面积指数作为不同森林站点参考土壤呼吸的校正因子，结合在某个森林站点确定的由遥感数据驱动的最优土壤呼吸半经验统计模型，解决了土壤呼吸半经验统计模型普适性差的问题；4）提出了一种基于支持向量机回归模型的土壤呼吸估算方法，该方法以遥感数据提取的地表温度、植被指数和土地覆盖数据，以及空间插值的土壤有机碳含量和土壤容重为输入数据，较好的估算了冬小麦和夏玉米轮作样地土壤呼吸的空间变化。本项目的开展为应用遥感数据估算区域土壤呼吸提供了一种新的思路和方法。