落叶阔叶林冠层非光合组分对冠层FPAR的影响分析
——一种分层模拟的方法

梁守真， 隋学艳， 姚慧敏， 王猛， 侯学会， 陈劲松， 马万栋

(1.山东省农业可持续发展研究所,济南 250100； 2.农业部华东都市农业重点实验室，济南 250100；3.深圳先进技术研究院,深圳 518055； 4.环境保护部卫星环境应用中心,北京 100094)

落叶阔叶林冠层非光合组分对冠层FPAR的影响分析
——一种分层模拟的方法

梁守真1,2,3， 隋学艳1， 姚慧敏1， 王猛1， 侯学会1， 陈劲松3， 马万栋4

(1.山东省农业可持续发展研究所,济南 250100； 2.农业部华东都市农业重点实验室，济南 250100；3.深圳先进技术研究院,深圳 518055； 4.环境保护部卫星环境应用中心,北京 100094)

估算并消除冠层非光合组分(non-photosynthetic vegetation,NPV)吸收的光合有效辐射，对准确估算生态系统总初级生产力(gross primary productivity，GPP)具有重要意义。以落叶阔叶林为例，通过设置不同情景，应用任意倾斜叶片散射(scattering by arbitrary inclined leaves，SAIL)模型进行冠层光合有效辐射吸收分量(fraction of absorbed photosynthetically active radiation，FPAR)的分层模拟，分析冠层NPV的FPAR的变动及其对冠层FPAR的贡献，并初步探讨落叶阔叶林NPV的FPAR的估算方法。结果表明，冠层NPV的FPAR的大小与冠层结构相关，在高覆盖度植被区NPV对冠层FPAR的贡献通常较小，但在低植被覆盖区的贡献会较高； NPV降低了冠层在近红外波段的反射； 增强型植被指数(enhanced vegetation index，EVI)与NPV的FPAR存在显著的线性负相关关系，可用来描述NPV的变化。

光合有效辐射吸收分量(FPAR)； 非光合组分(NPV)； 归一化植被指数(NDVI)； 增强型植被指数(EVI)； 森林

0 引言

光合有效辐射吸收分量(fraction of absorbed photosynthetically active radiation,FPAR) 是指入射的光合有效辐射(photosynthetically active radiation,PAR)中被植被吸收部分所占的比例，表征了植被冠层对太阳光能的截获和吸收的能力[1-2]。FPAR 与植被的光合作用、呼吸、蒸腾蒸散和碳循环等多个生物、物理过程关系密切，对大气—陆面生物圈之间的能量、水分和CO2的交换有重要影响，是估算区域或全球碳支出、寻找碳丢失的一个关键参量。准确获取FPAR对陆地生态系统过程研究、生产力估算、全球气候变化研究、碳循环研究和作物产量估算等有重要意义[3-4]。

植被冠层根据功能可分为光合组分(photosynthetically active vegetation,PAV)和非光合组分(non-photosynthetically active vegetation,NPV)两部分，绿色叶片属前一部分，树枝、树干等属后一部分[5-7]。相应地，其冠层FPAR也可分为光合组分FPARPAV和非光合组分FPARNPV两部分。NPV能够截获PAR，但并不进行光合作用； 或者即使进行光合作用也只是对其呼吸释放碳的再固定，其光合作用不会增加生态系统的总初级生产力(gross primary productivity,GPP)； 只有PAV吸收PAR进行光合作用，积累有机物质[6-8]。目前获取FPAR的方法很少考虑冠层组分性质的差异，测量或估算值多为冠层总FPAR，包括了所有组分的吸收，其值显然要高于实际有效FPAR[9-10]； 无疑，以冠层总FPAR来进行GPP估算，势必会导致结果偏高。因此，要准确估算陆地生态系统生产力，需将FPAR分离为PAV和NPV吸收的FPAR，并考虑NPV对冠层FPAR的贡献[6,11]。

NPV对反射率和辐射的吸收有重大影响，但分离冠层FPAR却是十分复杂、困难的，利用仪器在实地直接测量NPV的FPAR目前仍不现实，因而导致对FPARNPV的研究偏少，一些问题(如NPV对冠层FPAR的贡献是否随外界条件的改变而变动、对冠层NPV的FPAR如何估算等)尚待解决。建立合理的物理模型有助于人们理解甚至解决现实中难以处理的问题，而借助模型开展机理研究也是科学家们在基础理论研究中常用的方法。辐射传输模型是一种描述光子在植被冠层中传播的物理模型，对该模型的不断发展和完善，为冠层FPAR的分离提供了可能。本文以北方落叶阔叶林为研究对象，从辐射传输模型——任意倾斜叶片散射模型(scattering by arbitrary inclined leaves,SAIL)出发，从理论上探讨NPV对冠层FPAR的可能影响。主要研究目标包含2个方面： ①确定森林冠层NPV对冠层吸收的PAR的贡献，分析NPV的存在对GPP估算可能带来的影响； ②分析NPV的变动对冠层光谱的影响，从遥感的角度探索对NPV的FPAR的估算方法。

1 研究方法

1.1 辐射传输模型

辐射传输模型是目前相对成熟的基于物理光学基础的光学模型，可比较系统、完整地描述植被冠层与入射辐射之间相互作用的过程和特征，已被广泛应用于遥感FPAR的理论和反演研究[12-13]。SAIL模型是辐射传输模型的典型代表，该模型将植被冠层假定为水平均匀、垂直分层的混浊介质，每一层中的植被单元都被当作小的吸收体和散射体[14]。该模型可以完美描述连续浓密植被冠层的光学特性，因而被遥感学术界广泛应用[13,15]。但SAIL模型没有考虑离散冠层的集聚效应以及冠层之间的遮蔽效应[16]，在模拟离散的森林冠层时有一定的局限。离散森林的冠层具有强烈的三维效应，需要借助三维模型才能描述复杂冠层的辐射机制； 但依据当前的条件，建立完善的描述陆地生态系统结构的三维模型仍不太现实，且三维模型计算复杂、运算耗时长[15]。Gobron等[17-18]在模拟时发现三维效应引起的扰动相当稳定，一维模型几乎可以模拟三维模型生成的反射率。因此，复杂冠层水平一致性的简化假设并不会导致一维SAIL模型的失效[15]。此外，对于常用的遥感影像(如Landsat, MODIS, MERIS,VEGETATION)，其空间分辨率无法分辨出单个冠层； 但在这样的分辨率下，可将像元看作水平均一的介质，利用SAIL 模型可获得更好的冠层分辨效果[19-21]。

SAIl模型分层的设计理念使其可以计算每个层吸收的PAR，如果将冠层中的每个组分分离到单独的层中，分别计算而不是将其混合为一个层，则可确定每个组分吸收的PAR和FPAR。利用分层的SAIL模型可以模拟不同情景下冠层NPV的FPAR，在本文中，冠层被分解为PAV(叶片)层和NPV(树枝)层2层，模型的输入参数包括冠层组分光谱(反射率和透射率)、冠层结构(组分倾角、组分面积指数)、土壤反射率、太阳天顶角、观测几何参数(观测天顶角和相对方位角)以及入射辐射漫辐射分量。冠层的植被面积指数(plant area index,PAI)包括树枝和叶面积指数，对于NPV来说，其面积指数占冠层PAI的比例被设定在0.02～0.5之间变化[16,22-23]，具体为0.02,0.05,0.1,0.2,0.3,0.4和0.5。SAIl模型的各参数值见表1。

表1 SAIL模型的输入参数

SAIl模型中冠层组分和土壤的光谱特性见图1。

图1 SAIL模型中冠层组分和土壤的光谱特性

落叶阔叶林冠层树枝和叶片光谱来自ORNL DAAC，组分样本在树木生长旺盛期采集，以3种阔叶林(白橡、白杨和赤杨)的平均值代表落叶阔叶的光谱。土壤光谱数据取自Johns Hopkins University(JHU)采集的浅灰色粉砂壤光谱。模拟的蓝、红和近红外3个波段的波谱范围分别对应MODIS传感器的蓝波段(459～479 nm)、红波段(620 ～ 670 nm) 和近红外波段(841 ～876 nm)。

1.2 植被指数

在植被冠层FPAR遥感研究中，以红波段和近红外波段为主构建的植被指数得到广泛应用，包括归一化差值植被指数(normalized difference vegetation index,NDVI)[2,24-26]、增强型植被指数(enhanced vegetation index,EVI)[27- 30]、差值植被指数(difference vegetation index, DVI)[31]等，其中使用最多的是NDVI。本文选用NDVI和EVI这2种植被指数，分析它们随冠层NPV的变化情况以及与冠层FPAR之间的相关关系。NDVI和EVI是MODIS植被指数产品中的2个指数，NDVI对叶绿素敏感，而EVI对植被冠层结构更加敏感，两者互为补充[32-33]。其计算公式分别为

(1)

(2)

式中RNIR,RRed和RBlue分别对应MODIS传感器的近红外波段、红波段和蓝波段的反射率。

2 研究结果

2.1 冠层总FPAR与FPARNPV

冠层总FPAR反映了植被冠层吸收的太阳PAR的比例。模拟显示，分层设置不会影响FPAR总，FPARPAV和FPARNPV之和与单层模拟的冠层FPAR一致。落叶阔叶林冠层总FPAR随PAI和NPV的面积比(NPV面积占冠层PAI的比例)的变化而变化(图2)。

(a) FPAR总与PAI的关系 (b) FPARNPV与PAI的关系

在同一NPV面积比条件下，PAI的增加会导致落叶阔叶林冠层总FPAR增加，在设定情景下，冠层总FPAR的最大值为0.958(PAI=7，NPV面积比为0.02)。总FPAR的增加速率随着PAI的增加而逐渐减小，即在低PAI情况下，冠层总FPAR随PAI增加迅速； 而在高PAI情况下，冠层总FPAR增加缓慢。例如当PAI从0.5增加到1时，总FPAR增加超过0.20； 当PAI从6增加到7，冠层总FPAR最大增加量仅为0.012(NPV面积比为0.02时)。在同一PAI下，NPV所占比重越高，冠层总FPAR值越大(图2(a))。

对于非光合组分的FPAR，其变化特征与冠层总FPAR存在显著差异。在同一PAI下，NPV比重越大，FPARNPV越大； 但FPARNPV随NPV的变化幅度与PAI有关，如在PAI=2 时，增幅最为明显，NPV面积比每增加0.1，其FPAR增加均超过0.06； 而在PAI=0.1时，NPV面积比增加相同的量，FPAR仅增加0.008； 如果NPV面积比保持恒定，其FPAR随PAI的变化曲线形状类似于非对称的“倒置碗”，先增加后减小； 在PAI=2时，FPARNPV达到峰值(图2(b))。

在设定情景下，FPARNPV占总FAPAR的比例在0.26%～56.93%之间波动，NPV对冠层FPAR的贡献与冠层结构密切相关(图3)。

(a) FPARNPV比率与PAI变化的关系 (b) FPARNPV比率随NPV面积比变化

可以看出，PAI的升高可降低NPV的贡献(图3(a))，而NPV面积比的增加会提高NPV的贡献(图3(b))。PAI的变化会影响NPV的贡献的波动幅度。在低PAI(0～1)情况下，FPARNPV占总FPAR的比重随着NPV面积比迅速增加，从2.44%增加到54.14%； 而在高PAI(5～7)情况下，当树枝比从0.02增加到0.5时，NPV的FPAR的比重仅增加了16.81%(0.4%～17.21%)，其增幅远低于低PAI时的增幅(图3(b))。

2.2 落叶阔叶林冠层波谱

图 4展示了冠层结构对冠层反射率的影响。

(a) NPV面积比0.02(b) NPV 面积比0.05 (c) NPV 面积比0.1 (d) NPV 面积比0.2

(e) NPV面积比0.3(f) NPV 面积比0.4 (g) NPV 面积比0.5

从图4可以看出，在蓝波段、红波段和近红外波段，随着波长的增加，落叶阔叶林冠层的反射率逐渐升高。冠层在蓝波段有较低的反射率，最高仅为0.007 4(PAI=0.1，NPV面积比为0.02)； 而在近红外波段有较高的反射率，在所有的情景下，反射率都不低于0.26。在不同的波段，冠层反射率对PAI和组分比例的响应存在一定的差异。在蓝、红波段，冠层反射率主要受PAI的影响，组分比例的变动对冠层反射率的影响甚微。随着PAI的增加，冠层在蓝、红波段的反射率值逐渐降低，尤其是红波段反射率下降明显，从0.25降低到0.023； 这2个波段的反射率逐渐趋同，但与近红外波段反射率差异却逐渐加大，这种变化特征独立于冠层组分比例。在近红外波段，冠层反射率对NPV面积比和PAI都非常敏感。在冠层PAI恒定时，随着NPV比例的升高，冠层反射率降低； 在同一NPV面积比情况下，冠层在近红外波段反射率呈非对称的碗形，在PAI=2时最低，PAI=7时最高(0.41)。

2.3 植被指数与FPAR关系

植被指数与冠层结构的关系如图5所示。

(a) NDVI与PAI的关系 (b) EVI与PAI的关系

从图5可以看出，在相同条件下，NDVI总是大于EVI，冠层NDVI和EVI都随着PAI的增加而升高。当PAI较低和较高时，NDVI对NPV的变化不敏感； 但在中等覆盖度条件下(3

无论NDVI还是EVI，它们与冠层总FPAR都有非常显著的相关关系(R2>0.9)(图6)，但NDVI与总FPAR之间关系对NPV面积比的变化并不敏感。这意味着冠层NPV的波动不会影响NDVI与冠层FPAR的关系； 但在中高覆盖度条件下，冠层NPV的变动会对 EVI与冠层总FPAR的关系产生较明显的影响。

(a) 总FPAR与NDVI的相关关系 (b) 总FPAR与EVI的相关关系

(c) FPARNPV与NDVI的相关关系 (d) FPARNPV与EVI的相关关系

相对于与总FPAR显著的线性相关关系，NDVI和EVI与FPARNPV的关系复杂，表现为非线性的关系。中低植被覆盖条件下，FPARNPV随NDVI的增加而增加; 但在高植被覆盖条件下，两者表现为负相关关系。相似的现象也在EVI与FPARNPV之间出现。从这个结果来看，似乎借助NDVI和EVI无法实现对FPARNPV的估算。但应注意的是，本文的数据是建立在假定NPV面积比例保持恒定不变的基础上； 而在现实中，落叶阔叶林NPV面积比存在明显的季节性，它随着叶片的生长和增加而逐渐减小，夏季达到最低值； 秋季随着叶片的逐渐枯落，NPV面积比又开始逐渐升高。对于成熟的落叶阔叶林，从春季到夏季其PAI的增加和降低主要来自叶片的生长，而从夏季到秋季冠层PAI 的降低同样主要由叶片的枯落造成[34]。因此，可将落叶阔叶林的NPV的面积指数视为定值，利用固定的NPV面积指数值模拟冠层波谱和FPAR，建立模拟数据集。在冬季，落叶阔叶林冠层叶仅有NPV部分，可用该时段的PAI代表冠层NPV的面积指数。根据黄玫等[35]的研究，落叶阔叶林冬季植被面积指数大约在0.5，在模拟时，冠层PAI被设定为1～10变化，其他参数保持不变。结果如图7所示。

图7 冬季落叶阔叶林冠层植被指数与FPARNPV的关系

从图7可以看出，无论是NDVI还是EVI，它们与NPV的FPAR存在显著的负相关，但EVI与NPV的FPAR有更高的相关系数(R2=0.996 9)，且方程的残差平方和仅为2.08×10-5。因此，借助EVI能更好地估算冠层非光合组分FPARNPV。

3 问题与讨论

1)NPV对冠层FPAR的贡献。NPV是冠层的一个组成部分，象PAV叶片一样吸收太阳辐射，冠层总FPAR包含了冠层PAV和NPV的贡献。 NPV对冠层FPAR的贡献与冠层结构有关，在低PAI(0～1)时，NPV对总FPAR的贡献最为显著，此时冠层有效FPAR仅为冠层总FPAR的50%。

2)落叶阔叶林冠层的季节性。落叶阔叶林冠层有着显著的季节性，在初春和秋末，PAI低(落叶林通常在冬季处于休眠状态，光合作用可忽略)，因此，冠层吸收的FPAR有很大一部分来自NPV； 而在林木生长旺盛的夏季，PAI高，且NPV面积的比重低(0.02～0.03)[16]，此时，NPV的FPAR占总FPAR的比重不超过1%，NPV对冠层FPAR的贡献低。由此可知，在春初和秋末，森林PAI低且NPV面积比较高的情况下，以总FPAR估算GPP必将产生较大误差，导致GPP被高估； 但在夏季森林植被茂密的情况下，NPV贡献低，有效FPAR接近总FPAR ，以总FPAR代替有效FPAR估算GPP，也会导致结果偏高但偏差较小。

3)冠层非光合组分吸收的PAR。估算并消除冠层非光合组分吸收的PAR，对准确估算生态系统生产力有重要意义。本文研究发现，冠层EVI可较好地描述NPV确定的FPAR，可用于FPARNPV的估算，但两者之间明确的相关关系还有待进一步研究。

4) 叶倾角和背景差异对冠层FPAR和光谱的影响。在模拟时，为说明NPV的影响，对冠层做了一定的假设，并且将叶倾角和背景设为定值，但没有考虑其变化带来的影响。在高覆盖度地区，光子穿透冠层到达地面的数量较少，背景的变化对冠层FPAR和反射光谱影响会比较小； 但对于低覆盖区，太阳光经过冠层到达地面的比例会较高，地面反射率的高低会影响再次进入冠层的光子量，因此背景的差异会引起冠层FPAR和光谱的变动。尽管模拟存在一定的缺陷，但是该研究的开展可为冠层有效FPAR的研究提供一些思路。对于上述问题，我们将会做进一步研究。

4 结论

本文通过设置不同情景，应用SAIL模型开展落叶阔叶林冠层FPAR模拟，对NPV的存在对植被冠层的影响进行了初步分析和估算，得到以下结论：

1)冠层NPV的变动会影响冠层对PAR的吸收能力。NPV占冠层比重越高，冠层对PAR的吸收能力就越强。

2)冠层NPV的变化对冠层光谱的影响主要表现在近红外波段反射率，对可见光部分的反射率影响较小。

3)冠层EVI与FPARNPV存在较好的相关关系。

由于本文没有考虑叶倾角和背景变化带来的影响，研究还存在一些不足。为更加精准地描述冠层NPV对冠层FPAR的影响，今后需要加入更多的因素做进一步的深入研究。

致谢： 感谢Huemmerich 教授在数据模拟时给予的指导，同时感谢ORNL DAAC提供冠层相关数据。

[1] Cramer W,Kicklighter D W,Bondeau A,et al.Comparing global models of terrestrial net primary productivity(NPP):Overview and key results[J].Global Change Biology,1999,5(S1):1-15.

[2] Fensholt R,Sandholt I,Rasmussen M S.Evaluation of MODIS LAI,fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements[J].Remote Sensing of Environment,2004,91(3/4):490-507.

[3] Olofsson P,Eklundh L.Estimation of absorbed PAR across Scandinavia from satellite measurements.Part II:Modeling and evaluating the fractional absorption[J].Remote Sensing of Environment,2007,110(2):240-251.

[4] 吴炳方,曾源,黄进良.遥感提取植物生理参数LAI/FPAR的研究进展与应用[J].地球科学进展,2004,19(4):585-590. Wu B F,Zeng Y,Huang J L.Overview of LAI/PAR retrieval from remotely sensed data[J].Advance in Earth Sciences,2004,19(4):585-590.

[5] Schottker B,Phinn S,Schmidt M.How does the global Moderate Resolution Imaging Spectroradiometer(MODIS) Fraction of Photosynthetically Active Radiation(FPAR) product relate to regionally developed land cover and vegetation products in a semi-arid Australian savanna[J].Journal of Applied Remote Sensing,2010,4(1):043538.

[6] Xiao X M,Hollinger D,Aber J,et al.Satellite-based modeling of gross primary production in an evergreen needleleaf forest[J].Remote Sensing of Environment,2004,89(4):519-534.

[7] Zhang Q Y,Xiao X M,Braswell B,et al.Estimating light absorption by chlorophyll,leaf and canopy in a deciduous broadleaf forest using MODIS data and a radiative transfer model[J].Remote Sensing of Environment,2005,99(3):357-371.

[8] 王文杰,祖元刚,王慧梅.林木非同化器官树枝(干)光合功能研究进展[J].生态学报,2007,27(4):1583-1595. Wang W J,Zu Y G,Wang H M.Review on the photosynthetic function of non-photosynthetic woody organs of stem and branches[J].Acta Ecologica Sinica,2007,27(4):1583-1595.

[9] Le Roux X,Gauthier H,Bégué A,et al.Radiation absorption and use by humid savanna grassland:Assessment using remote sensing and modelling[J].Agricultural and Forest Meteorology,1997,85(1/2):117-132.

[10]Asner G P,Wessman C A,Archer S.Scale dependence of absorption of photosynthetically active radiation in terrestrial ecosystems[J].Ecological Applications,1998,8(4):1003-1021.

[11]高彦华,陈良富,柳钦火,等.叶绿素吸收的光合有效辐射比率的遥感估算模型研究[J].遥感学报,2006,10(5):798-803. Gao Y H,Chen L F,Liu Q H,et al.Research on remote sensing model for FPAR absorbed by chlorophyll[J].Journal of Remote Sensing,2006,10(5):798-803.

[12]李刚.呼伦贝尔温带草地FPAR/LAI遥感估算方法研究[D].北京:中国农业科学院,2009. LI G.Study on Remote Sensing Estimation Models for FPAR/LAI of Temperate Grassland in Hulunber[D].Beijing:Chinese Academy of Agricultural Sciences,2009.

[13]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003. Zhao Y S.Principles and Methods of Remote Sensing Application[M].Beijing:Science Press,2003.

[14]Verhoef W.Light scattering by leaf layers with application to canopy reflectance modeling:The SAIL model[J].Remote Sensing of Environment,1984,16(2):125-141.

[15]Jacquemoud S,Verhoef W,Baret F,et al.PROSPECT+ SAIL models:A review of use for vegetation characterization[J].Remote Sensing of Environment,2009,113(s1):56-66.

[16]Huemmrich K F,Goward S N.Vegetation canopy PAR absorptance and NDVI:An assessment for ten tree species with the SAIL model[J].Remote Sensing of Environment,1997,61(2):254-269.

[17]Gobron N,Pinty B,Aussedat O,et al.Evaluation of fraction of absorbed photosynthetically active radiation products for different canopy radiation transfer regimes:Methodology and results using Joint Research Center products derived from SeaWiFS against ground-based estimations[J].Journal of Geophysical Research,2006,111(D13):13110.

[18]Widlowski J L,Pinty B,Lavergne T,et al.Using 1-D models to interpret the reflectance anisotropy of 3-D canopy targets:Issues and caveats[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(9):2008-2017.

[19]Bacour C,Baret F,Béal D,et al.Neural network estimation of LAI,fAPAR,fCoverandLAI×Cab,from top of canopy MERIS reflectance data:Principles and validation[J].Remote Sensing of Environment,2006,105(4):313-325.

[20]Weiss M,Baret F,Garrigues S,et al.LAI,fAPAR and fCover CYCLOPES global products derived from VEGETATION.Part 2:Validation and comparison with MODIS Collection 4 products[J].Remote Sensing of Environment,2007,110(3):317-331.

[21]肖艳芳,周德民,赵文吉.辐射传输模型多尺度反演植被理化参数研究进展[J].生态学报,2013,33(11):3291-3297. Xiao Y F,Zhou D M,Zhao W J.Review of inversing biophysical and biochemical vegetation parameters in various spatial scales using radiative transfer models[J].Acta Ecologica Sinica,2013,33(11):3291-3297.

[22]Laurent V C E,Verhoef W,Clevers J G P W,et al.Inversion of a coupled canopy-atmosphere model using multi-angular top-of-atmosphere radiance data:A forest case study[J].Remote Sensing of Environment,2011,115(10):2603-2612.

[23]Li W J,Fang H L.Estimation of direct,diffuse,and total FPARs from Landsat surface reflectance data and ground-based estimates over six FLUXNET sites[J].Journal of Geophysical Research,2015,120(1):96-112.

[24]Steinberg D C,Goetz S J,Hyer E J.Validation of MODIS FPAR products in boreal forests of Alaska[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(7):1818-1828.

[25]Friedl M A,Davis F W,Michaelsen J,et al.Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables:An analysis using a scene simulation model and data from FIFE[J].Remote Sensing of Environment,1995,54(3):233-246.

[26]Myneni R B,Williams D L.On the relationship between FAPAR and NDVI[J].Remote Sensing of Environment,1994,49(3):200-211.

[27]陈雪洋,蒙继华,吴炳方,等.基于HJ-1CCD的夏玉米FPAR遥感监测模型[J].农业工程学报,2010,26(s1):241-245. Chen X Y,Meng J H,Wu B F,et al.Monitoring corn FPAR based on HJ-1 CCD[J].Transactions of the CSAE,2010,26(s1):241-245.

[28]King D A,Turner D P,Ritts W D.Parameterization of a diagnostic carbon cycle model for continental scale application[J].Remote Sensing of Environment,2011,115(7):1653-1664.

[29]Nakaji T,Ide R,Oguma H,et al.Utility of spectral vegetation index for estimation of gross CO2flux under varied sky conditions[J].Remote Sensing of Environment,2007,109(3):274-284.

[30]Xiao X M.Light absorption by leaf chlorophyll and maximum light use efficiency[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(7):1933-1935.

[31]Roujean J L,Breon F M.Estimating PAR absorbed by vegetation from bidirectional reflectance measurements[J].Remote Sensing of Environment,1995,51(3):375-384.

[32]Gitelson A A,Kaufman Y J,Merzlyak M N.Use of a green channel in remote sensing of global vegetation from EOS-MODIS[J].Remote Sensing of Environment,1996,58(3):289-298.

[33]Huete A R,Liu H Q,Batchily K,et al.A comparison of vegetation indices over a global set of TM images for EOS-MODIS[J].Remote Sensing of Environment,1997,59(3):440-451.

[34]Running S W,Thornton P E,Nemani R,et al.Global terrestrial gross and net primary productivity from the earth observing system[M]//Sala O E,Jackson R B,Mooney H A,et al.Methods in Ecosystem Science.New York:Springer-Verlag,2000:44-57.

[35]黄玫,季劲钧.中国区域植被叶面积指数时空分布——机理模型模拟与遥感反演比较[J].生态学报,2010,30(11):3057-3064. Huang M,Ji J J.The spatial-temporal distribution of leaf area index in China:A comparison between ecosystem modeling and remote sensing reversion[J].Acta Ecologica Sinica,2010,30(11):3057-3064.

(责任编辑： 刘心季)

An analysis of influence of non-photosynthetic vegetation of deciduous broad-leaved forest on canopy FPAR： A method based on layered simulation

LIANG Shouzhen1，2,3， SUI Xueyan1， YAO Huimin1， WANG Meng1， HOU Xuehui1， CHEN Jinsong3， MA Wandong4

(1.ShandongInstituteofAgriculturalSustainableDevelopment，Ji’nan250100，China； 2.KeyLaboratoryofEastChinaUrbanAgriculture,MinistryofAgriculture,Ji’nan250100,China; 3.ShenzhenInstitutesofAdvancedTechnology，Shenzhen518055，China； 4.SatelliteEnvironmentCenter，MinistryofEnvironmentalProtection，Beijing100094，China)

Fraction of absorbed photosynthetically active radiation(FPAR) of the canopy is an important biophysical variable widely used in satellite-based production efficiency models to estimate the gross primary productivity(GPP). Vegetation canopy is composed primarily of photosynthetically active vegetation(PAV)and non-photosynthetic vegetation(NPV). Only the PAR absorbed by PAV is used for photosynthesis. Therefore, the photosynthetically active radiation absorbed by NPV in the canopy should be estimated and removed from canopy PAR so as to estimate GPP more accurately. Scattering by arbitrary inclined leaves(SAIL)model assumes canopy as a turbid medium with a number of layers, each treated as an infinite, horizontal, homogeneous medium. This assumption and configuration of model makes it possible to calculate PAR absorbed of each layers. In this study, SAIL model was used to calculate spectral reflectance and the PAR absorbed by PAV and NPV of deciduous broadleaved forest, and at last FPAR of NPV (FPARNPV) was calculated and analyzed. The results show that FPARNPVis dominated by canopy architecture. The contribution of NPV to canopy FPAR is low in high-cover regions, and the result is opposite in low-cover regions. NPV in the canopy can reduce reflectance in near infrared band. A significant and negative correlation is found between enhanced vegetation index(EVI)and FPARNPV. Though the simulation condition is ideal, the study is a good attempt which provides a means for acquiring deciduous broadleaf forests FPARNPV.

fraction of absorbed photosynthetically active radiation(FPAR)； non-photosynthetic vegetation(NPV)； normalized difference vegetation index(NDVI)； enhanced vegetation index(EVI)； forest

10.6046/gtzyyg.2017.02.05

梁守真,隋学艳,姚慧敏,等.落叶阔叶林冠层非光合组分对冠层FPAR的影响分析——一种分层模拟的方法[J].国土资源遥感,2017,29(2)：29-36.(Liang S Z,Sui X Y,Yao H M,et al.An analysis of influence of non-photosynthetic vegetation of deciduous broad-leaved forest on canopy FPAR： A method based on layered simulation[J].Remote Sensing for Land and Resources,2017,29(2)：29-36.)

2015-12-01；

2016-02-23

国家自然科学基金项目“森林冠层绿色FPAR的高光谱遥感反演研究”(编号： 41401407)资助。

梁守真(1979-),男,博士,主要从事植被遥感方面的研究。Email： szliang_cas@163.com。

TP 751.1

A

1001-070X(2017)02-0029-08