买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉大学

摘要：本发明涉及一种基于VOD数据进行碳储量动态监测可行性的判定方法，无需额外的实测生物量数据或碳储量数据，即可解决在无全球长时间碳储量生物量实地观测数据的情况下，利用VOD数据进行全球碳储量动态监测的可行性判定问题。利用植被蒸散发数据与VOD日变化的关系，判定VOD日变化能否作为植被含水量变化范围的定量化参数；在像元尺度上利用VOD年变化与日变化值的对比，判定在使用VOD进行碳储量动态监测时是否具备较高的可信性；通过建立全球通量网中土地覆盖类型均质性站点所测的NEE数据与VOD年变化的线性关系，实现在不同植被类型生态系统中利用VOD进行碳储量动态监测可信性判定。

主权项：1.一种基于VOD数据进行碳储量动态监测可行性的判定方法，其特征在于，包括以下步骤：步骤1，数据集的获取及预处理；步骤1.1，获取VOD数据集，得到8天合成的VOD数据集和VOD年数据；VOD数据集包括LPDRX波段VOD数据集LPDRX-VOD、SMOS-ICL波段VOD数据集L-VOD、VODCAX波段VOD数据集VODCAX-VOD和Ku波段VOD数据集Ku-VOD，均为日数据集，其中LPDRX-VOD和SMOS-ICL-VOD每天包括2次数据观测，即LPDRX-VOD:1:30AM夜间和1:30PM白天，L-VOD:6:00AM夜间和6:00PM白天，VODCAX-VOD和Ku-VOD数据集对两次观测数据进行了平均值合成，每天包含一次数据观测；LPDRX-VOD数据由AMSR-E和AMSR-2卫星数据反演得出，SMOS-ICL-VOD由SMOS卫星数据反演得出，VODCAX-VOD由TMI、AMSR-E、AMSR-2、Windsat卫星数据反演得出，VODCAKu-VOD由SSMI、TMI、AMSR-E、AMSR-2、Windsat卫星数据反演得出；分别取8天内白天、夜间的LPDRX-VOD和L-VOD数据的平均值进行8天数据合成，得到8天合成的白天、夜间LPDRX-VOD和L-VOD数据集；由于植被夜间气孔关闭不再进行光合作用，因此取夜间VOD数据、夜间和白天VOD数据的组合两种方式进行年数据计算；针对LPDRX-VOD、L-VOD日数据集，包含6种年数据取值方式：仅取夜间数据的中位数、平均值或95％的分位数，取白天和夜间数据的中位数、平均值或95％的分位数；由于VODCAX-VOD和Ku-VOD数据产品已经将白天和夜间的数据通过取平均进行组合，每个像元每天只有一个VOD观测值，针对VODCAX-VOD和Ku-VOD日数据集，包含3种年数据取值方式：即每年所有日数据的平均值、中位数、95％分位数；在生成年VOD数据产品时，每个像元在全年的有效日数据观测量不能少于30天；步骤1.2，获取GLEAM植被蒸散发Et数据集，得到8天合成的植被蒸散发数据；取8天内植被蒸散发数据的平均值作为8天合成的植被蒸散发数据，其中蒸散发数据合成日期与8天合成的VOD数据相同；步骤1.3，获取FLUXNET、ICOS和ONEFLUX涡度协方差NEE数据，得到每一个通量塔站点的NEE年数据；步骤1.4，获取全球MODISEVI数据集和CopernicusLandcover数据集，筛选得到土地覆盖类型均质性的通量塔站点；土地覆盖类型均质性通量塔站点需满足以下条件：①站点所属的Copernicus土地覆盖类型与对应VOD像元的主导Copernicus土地覆盖类型相同；②站点所属的土地覆盖类型面积必须占据VOD对应像元面积的一半；③统计VOD对应像元所有土地覆盖类型的面积占比，水的面积占比排序不能在前三位，以排除水对VOD值反演的影响；④站点所对应的MODISEVI像元年数据与所对应VOD像元内的EVI在时间序列上呈显著性正相关；步骤2，利用步骤1得到的8天合成的LPDRX-VOD和L-VOD数据计算LPDRX-VOD和L-VOD日变化量，建立LPDRX-VOD和L-VOD日变化数据与8天合成的植被蒸散发数据之间的线性关系，得到LPDRX-VOD和L-VOD日变化对由蒸散发引起的水分亏缺敏感程度，判断VOD日变化能否作为植被含水量变化的定量化参数；在像元尺度上，利用8天合成的植被蒸散发数据作为植被由于白天蒸腾作用所导致的植被含水量亏损；LPDRX-VOD和L-VOD数据中一天包括了两次数据观测，分别记录了植被经过白天蒸腾作用后的、以及经过夜间土壤水补充后的植被含水量，分别在长时间序列上建立LPDRX-VOD和L-VOD日变化量与植被蒸散发之间的线性拟合关系，并使用皮尔逊相关系数表示LPDRX-VOD和L-VOD日变化对由蒸散发引起的水分亏缺敏感程度，若VOD日变化与植被蒸散发之间呈现显著性正相关关系，则判定VOD日变化可以作为植被含水量变化的定量化参数；步骤3，利用步骤1得出的LPDRX-VOD和L-VOD年数据逐像元计算年VOD数据的最大值和最小值，得到最大年差值ΔVODdecade，以及年VOD最大值、最小值所对应的年份，将最大年差值ΔVODdecade作为年植被含水量的年际最大变化量；步骤4，利用步骤1得到的8天合成的白天、夜间VOD数据和步骤3得到的年VOD最大值、最小值对应的时间，计算在该时间范围内的VOD平均日绝对变化量并将其作为植被含水量在气候影响下的波动范围；步骤5，在像元尺度上比较和ΔVODdecade的大小，当ΔVODdecade大于时，判定利用该像元的VOD数据进行碳储量动态监测时具备较高的可信度，否则可信度较低；步骤6，利用步骤1得到的均质性通量塔站点对应的NEE年数据，建立所有均质性通量塔站点观测的NEE与对应VOD年变化量的线性拟合关系，若相关性为显著性负相关，则判定VOD在该站点对应的植被类型生态系统中进行碳储量动态监测时具备较高的可信度，否则可信度较低。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于VOD数据进行碳储量动态监测可行性的判定方法