相关实验视频
Updated: Jun 24, 2025
09:05
Measurements of CO2 Fluxes at Non-Ideal Eddy Covariance Sites
Published on: June 24, 2019
7.9K
在不同生物圈中推导初级生产力和生态系统呼吸流的方法学进步
Aparnna Ravi1,2, Dhanyalekshmi Pillai1,2, Vishnu Thilakan1,2
1Indian Institute of Science Education and Research Bhopal (IISERB), India.
MethodsX
|June 7, 2024
概括
这项研究引入了一种基于卫星的方法,以改善区域总初级生产率 (GPP) 和生态系统呼吸 (Reco) 估计,特别是在像印度这样的数据稀缺地区. 该方法通过使用太阳诱导光 (SIF) 和其他卫星数据来改进碳流量模型.
科学领域:
- 地球和环境科学 地球和环境科学
- 遥感 遥感 遥感 遥感
- 生态生态学 生态生态学
背景情况:
- 精确估计区域碳流 (原始生产率和生态系统呼吸) 对于理解生物圈-二氧化碳交换至关重要.
- 在许多地区,包括印度在内的地面流量测量很少,限制了区域碳循环评估.
- 现有的卫星驱动的植被模型往往需要改进以改善流量估计.
研究的目的:
- 开发和验证以卫星数据为驱动的方法,以提高区域总初级生产率 (GPP) 和生态系统呼吸率 (Reco) 的估计.
- 为了应对像印度这样的地区有限的地面流量观测的挑战.
- 将新的卫星数据,特别是太阳诱导光 (SIF) 整合到现有的植被模型中.
主要方法:
- 在基于光利用效率 (LUE) 的植被模型中利用了中等分辨率成像光谱辐射仪 (MODIS) 的反射率数据.
- 在印度各地建立并应用了卫星衍生的太阳能诱导光 (SIF) 和初级生产率 (GPP) 之间的生物体特定关系.
- 整合了基于卫星的土壤湿度 (SM) 和土壤温度 (ST) 数据,以完善生态系统呼吸 (Reco) 预测.
主要成果:
- SIF-GPP关系成功地纠正了印度各种植被类的LUE模型中的GPP估计.
- 整合SM和ST数据导致Reco估计得到改善.
- 与传统模型相比,该方法在模拟生物圈二氧化碳吸收和释放方面表现出更高的准确性.
结论:
- 拟议的基于卫星的方法提供了一个强大的方法来改善区域GPP和Reco估计,对于数据有限的地区尤其有价值.
- 该研究强调了SIF作为GPP的替代品的巨大潜力,以及其在改进植被模型中的实用性.
- 这种创新方法提高了我们监测和理解区域碳动态及其对环境变化的反应的能力.
