基于多源时序遥感数据和VPM模型的三江平原水稻总初级生产力模拟

Continuous and real-time estimation of paddy rice Gross Primary Productivity (GPP) is important for the regional alert and decision of food security. Remote sensing-based Light Use Efficiency model (RS-LUE model) is a very useful approach to model crop GPP on regional scales. However, studies about paddy rice RS-LUE models are limited; in addition, RS-LUE models based on single remote sensing data source are difficult to delineate crop growth dynamic on field scales, thus, introduce large uncertainties in crop GPP estimates. This project will (1) use Landsat 8 OLI and Sentinel-2A MSI time-series data to generate high-accuracy, high-spatial resolution, real-time paddy rice distribution in the Sanjiang Plain on the Google Earth Engine (GEE) cloud computing platform; (2) fuse MODIS and Landsat8 OLI to produce high spatial and temporal time-series remote sensing dataset, which can enhance spatial and temporal delineation of paddy rice physiological parameters, and use the Vegetation Photosynthesis Model to achieve high-accuracy simulation of paddy rice GPP on the regional scale; (3) analyze spatial-temporal pattern changes and impact factors of paddy rice GPP in the Sanjiang Plain. The project implementation will provide scientific theoretical basis for accurate modeling of regional crop GPP, and data support for production management and sustainable development of paddy rice.

水稻总初级生产力（GPP）连续、实时的估测是区域粮食安全预警决策的重要内容。遥感-光能利用率模型是区域尺度农作物GPP模拟的有效方法。然而，针对水稻的相关研究较少；同时，依靠单一类型遥感数据，难以清晰掌握田块尺度上作物生长动态，导致遥感-光能利用率模型具有不确定性。本项目以我国三江平原水稻为研究对象，基于Landsat 8 OLI、Sentinel-2A MSI时序遥感数据，在Google Earth Engine 云计算平台上，实现高精度、高空间分辨率、实时的水稻空间分布提取；并融合MODIS和Landsat8 OLI数据，构建高时空分辨率的时序遥感数据，提高水稻生理参数的时空表达，结合植被光合模型（VPM），实现区域尺度的水稻GPP的高精度模拟；揭示三江平原水稻GPP的时空变化及其影响因素。本项目的实施将为农作物生产力的精确估算提供理论参考；为水稻生产管理和可持续发展提供科学依据。

水稻总初级生产力连续、实时的估测是区域粮食安全预警决策的重要内容。本项目定位典型农作物的生产力遥感估算现存问题，以我国三江平原水稻为研究对象，采用多源遥感数据集，通过算法改进、模型优化、理论框架创新的形式相结合，提高水稻识别及其生产力时空表达的精准度，并多角度综合分析农业生态系统的生产力时空动态及分异特征，并与自然扰动因子相结合，分析影响三江平原水稻总初级生产力的主要因素。申请人在国家自然科学基金的资助下，在三个方面取得了系列性研究成果：.（1）基于多源、长时序遥感数据，实现高精度、高空间分辨率、快速的水稻空间分布提取框架，建立三期全域水旱田高质量空间数据集；提出了基于高光谱遥感数据的新的算法和框架，可以水稻、玉米、燕麦等典型作物的精准并且快速高效识别，算法鲁棒性强，理念创新显著。.（2）融合MODIS和Landsat/Sentinel数据集，构建高时空分辨率遥感数据，提高水稻生理参数的时空表达，进而实现对三江平原水稻总初级生产力的精确遥感估算；.（3）建立区域农业生态系统生产力时空动态遥感分析技术框架，分析自然扰动因子（降水、温度、辐射）对农业生态系统总初级生产力的影响。.在项目支持下，完成高质量SCI论文4篇，中文核心论文1篇，获从成果数据量和质量角度完成了项目预期的目标；从技术来看，基本掌握其关键点，且能较好应用。本项目的实施为区域尺度的其他农作物生产力的连续、近实时的精确估算提供科学理论参考；在实际应用方面，水稻空间分布及总初级生产力时空动态信息，可为农业生态系统与气候变化双向反馈研究提供参考，为田间生产管理提供决策支持，进而实现区域农业生产可持续发展；从教书育人角度，通过带领本科生参加此项目，将科学实践与本科理论教学相结合，实现了科学研究与教书育人相结合的教育模式。