Wikisource

基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量空間數據集

基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量空間數據集
作者：焦翠翠　於貴瑞　陳智　何念鵬
2019年1月3日
本作品收錄於《中國科學數據》
焦翠翠, 於貴瑞, 陳智, 何念鵬. 基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量空間數據集[J/OL]. 中國科學數據, 2019, 4(1). (2019-01-03). DOI: 10.11922/csdata.2018.0029.zh.


摘要&關鍵詞

編輯

摘要：地上生物量（Aboveground biomass，AGB）不僅能夠表徵草地可利用資源的現狀、反映草地的載畜能力與承載力，還是草地碳庫的一個重要組成部分。因此，長期動態的AGB空間數據集一方面對畜牧業的可持續發展和草地生態系統優化管理策略的制定具有重要意義，另一方面也是理解陸地生態系統碳儲量和生物地球化學循環變化過程的基礎。本研究以大量地面實測AGB數據為基礎，藉助長時間序列的歸一化植被指數數據，構建了中國北方溫帶和青藏高原高寒草地AGB的遙感估算模型，對1982–2015年間逐年的AGB進行了估算，從而形成了1982–2015年中國北方溫帶和青藏高原高寒草地AGB的逐年空間數據集。通過數據公開和免費下載服務的方式，為中國草地生態系統動態變化的相關研究提供基礎數據支持，也為我國草地的適應化管理提供科學依據。

關鍵詞：中國；草地生物量；生產力；歸一化植被指數；遙感估算模型

Abstract & Keywords

編輯

Abstract: Aboveground biomass (AGB) reflects the forage availability, herbivore carrying capacity of grassland. It is also an important component of grassland carbon stocks. Therefore, long-term AGB data is pretty significant for the sustainable development of animal husbandry and the formulation of grassland ecosystem management policies in China. In addition, it is fundamental to understanding carbon storage and the biogeochemical dynamics of terrestrial ecosystems. In this study, we developed empirical remote sensing inversion AGB estimation models based on field-observed AGB data and long-term normalized difference vegetation index (NDVI) data. Yearly grassland AGB data were generated in the northern temperate region and the Tibetan Plateau of China from 1982 to 2015 using AGB estimation models. The dataset can be used for studies of grassland productivity, carbon storage, and related decision-making in China.

Keywords: China; grassland biomass; productivity; NDVI; remote sensing model

數據庫（集）基本信息簡介

編輯
數據庫（集）名稱 基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量空間數據集
數據作者 焦翠翠、於貴瑞、陳智、何念鵬
數據通信作者 於貴瑞（yugr@igsnrr.ac.cn）
數據時間範圍 1982–2015年
地理區域 內蒙古自治區、青海省、西藏自治區、新疆維吾爾族自治區、甘肅省和寧夏回族自治區6個北方省級行政區範圍內的草地。
空間分辨率 8 km
數據量 81 MB
數據格式 ArcGIS, TIFF
數據服務系統網址 http://www.cnern.org.cn/data/meta?id=40577 ； http://www.sciencedb.cn/dataSet/handle/601
基金項目 國家重點研發計劃項目（2016YFA0600104），四川輕化工大學校內人才引進項目（2017RCSK19）。
數據庫（集）組成 數據集包括38個文件，其中34個文件為中國北方溫帶和青藏高原高寒草地1982–2015年逐年的AGB空間數據。命名規則為NGTP_YYYY_AGB.tif，其中NGTP代表中國北方溫帶和青藏高原高寒草地，YYYY代表年份，AGB代表地上生物量；另外4個文件為NGTP_1980sAGB.tif，NGTP_1990sAGB.tif，NGTP_2000sAGB.tif和NGTP_2010sAGB.tif， 分別代表1980s（1982–1989年），1990s（1990–1999年），2000s（2000–2009年）和2010s（2010–2015年）AGB的平均值，所有數據單位均為g·m-2。

Dataset Profile

編輯
Title A dataset of grassland aboveground biomass in the northern temperate region and the Tibetan Plateau of China based on field investigation and remote sensing inversion (1982 – 2015)
Data corresponding author Yu Guirui (yugr@igsnrr.ac.cn)
Data authors Jiao Cuicui, Yu Guirui, Chen Zhi, He Nianpeng
Time range 1982 – 2015
Geographical scope Grasslands in Inner Mongolia, Qinghai, Tibet, Xinjiang, Gansu, and Ningxia
Spatial resolution 8 km
Data volume 81 MB
Data format ArcGIS TIFF
Data service system <http://www.cnern.org.cn/data/meta?id=40577>; <http://www.sciencedb.cn/dataSet/handle/601>
Sources of funding National Key Research and Development Program of China (2016YFA0600104); Early Career Foundation of Sichuan University of Science & Engineering (2017RCSK19).
Dataset composition The dataset consists of 38 data documents, 34 of which store yearly grassland AGB in the northern temperate region and the Tibetan Plateau of China. Each data document is recorded as NGTP_YYYY_AGB.tif. NGTP, YYYY and AGB denote grassland in the northern temperate region and the Tibetan Plateau of China, year and aboveground biomass, respectively. The other 4 data documents, recorded as NGTP_1980sAGB.tif, NGTP_1990sAGB.tif, NGTP_2000sAGB.tif and NGTP_2010sAGB.tif, store average AGB values during the periods of 1982 – 1989, 1990 – 1999, 2000 – 2009, and 2010 – 2015, respectively. The data unit is g·m-2.


引 言

編輯

草地生物量是指某一時刻單位面積內草地中實際存有的有機物質總量。其中，地上生物量（Aboveground biomass，AGB）不僅能夠反映植被的生長狀況、表徵草地載畜能力[1][2]，還與生態系統質量密切相關[3]。另外，AGB是草地生態系統碳庫的重要組成部分[4]，雖然它在草地碳儲量中所占比重不大，但它卻與草地生態系統的物質循環和能量流動過程緊密相連[5]。中國草地的總面積約為3.9×106 km2，居世界第二位。北方溫帶草地和青藏高原高寒草地面積約占中國草地總面積的79％，是全國重要的畜牧業基地，又是北方和京津地區的重要生態屏障[6]。因此，評估中國這兩個區域草地AGB並揭示其動態變化，對我國草地資源的保護、畜牧業的發展、水土保持和生態系統的可持續發展具有重要意義[1][2]。

在草地AGB的眾多測定方法中，樣地收穫法被認為是簡單、最準確的一種方法，但該方法耗時、費力，通常只適用於樣點及樣帶尺度的研究[7][8][2]。近年的大量研究表明，地面生物量調查數據與衛星遙感技術相結合，是評估區域尺度草地AGB的有效途徑[9][7]。隨着過去40年間中國社會與經濟的快速發展，北方溫帶草地和青藏高原高寒草地所承受的擾動和壓力也在不斷變化。AGB的長期變化不僅能夠很好地反映這種變化，而且能夠為後續草地的可持續管理提供可借鑑經驗。然而，過去對中國這兩個區域草地AGB的評估多關注於某一時期的平均狀態[10]，較少關注AGB動態變化的研究，探討的時間尺度也多集中在10–20年間[11]。關於1982–2015年期間中國北方溫帶和青藏高原高寒草地的AGB數據，到目前為止尚未公開共享的空間數據集，一定程度上阻礙了相關研究的進展。

有鑑於此，本研究以大量AGB實測數據為基礎，藉助美國國家航空航天局（National Aeronautics and Space Administration，NASA）全球監測與模型研究組（Global Inventory Monitoring And Modeling Studies，GIMMS）發布的長時間序列歸一化植被指數（Normalized Difference Vegetation Index，NDVI）數據，科學地構建估算AGB的遙感模型，對1982–2015年中國北方溫帶和青藏高原高寒草地的AGB進行了評估，在此基礎上分別對1980s（1982–1989年），1990s（1990–1999年），2000s（2000–2009年）和2010s（2010–2015年）的平均AGB進行了計算，生產了一套1982–2015年中國北方溫帶和青藏高原高寒草地AGB的空間數據集。期望通過公開共享模式，為中國草地生態系統（草地資源、畜載力、承載力和碳儲量等）動態變化的後續研究提供科學數據。

1 數據採集和處理方法

編輯

1.1 基礎數據

編輯

1.1.1 研究區域概況

編輯

中國北方溫帶和青藏高原高寒草地空間分布範圍廣，南北跨越23個緯度，東西跨越50個經度。綜合過去對北方草地的相關探討，本研究主要考了內蒙古自治區、青海省、西藏自治區、新疆維吾爾族自治區、甘肅省和寧夏回族自治區6個北方省級行政區範圍內的草地，沒有包括遼東灣北端向西和陝西一帶等範圍[12][11]。北方溫帶草地主要分布在大、小興安嶺向西、西南直至新疆西部國境線的區域。青藏高寒草地主要包括西藏、青海大部分區域、甘肅和新疆的部分地區[12]。根據1:100萬中國植被圖[13]，我國這兩個區域的草地主要包括6種草地類型：高寒草原、高寒草甸、山地草甸、草甸草原、典型草原和荒漠草原（圖1）。

本研究將內蒙古自治區、青海省、西藏自治區、新疆維吾爾族自治區、甘肅省和寧夏回族自治區6個省級行政區的分布範圍與中國1:100萬植被類型數據[13]中草地類型的空間分布範圍相重疊的部分作為中國北方溫帶和青藏高原高寒草地的總體分布範圍。將青藏高原的空間分布範圍（數據來源詳見1.1.4部分介紹）與中國1∶100萬植被類型數據中草地類型的空間分布範圍相重疊的部分作為青藏高原高寒草地的分布範圍；將中國北方溫帶和青藏高原高寒草地的總體分布範圍中除去青藏高原高寒草地之外的部分作為北方溫帶草地的分布範圍。


圖片

圖1 中國北方溫帶和青藏高原高寒草地的植被類型和生物量實測數據樣點的空間分布


1.1.2 生物量實測數據

編輯

本研究中使用的地上生物量實測數據（AGBobs）是採用經典的樣地收穫法測定得到，主要有以下2個數據來源：① 通過在中國知網（http://epub.cnki.net）和Web of Science（www.Webofknowledge.com）以「生物量」「碳儲量」「生產力」及「產量」為關鍵詞收集到已公開發表的學術論文230篇，得到1982–2015年期間787個調查點，953個調查點年的AGBobs數據；② 相關研究者提供了608個調查點，630個調查點年的AGBobs數據。通過以上2個途徑共得到1982–2015年期間中國北方溫帶和青藏高原高寒草地區域內1395個調查點，1583個調查點年的AGBobs，數據的詳細介紹見Jiao[14][15]、Ma[16][10]和Xu[17]等的相關研究。

採用以下3個標準對初步得到的AGBobs數據進行了篩選：① 剔除地理位置信息記錄不完整的樣點數據；② 剔除缺失採樣時間的樣點數據；③ 以草地類型為基礎，將平均值±3倍標準差作為標準，剔除數值過低或者過高的樣點數據。篩選之後最終得到了一個包括1104個調查點，1259個調查點年的AGBobs數據集（圖1）。

1.1.3 歸一化植被指數（NDVI）

編輯

本研究中使用了1982–2015年的NDVI數據，該數據來源於GIMMS生產的NDVI第三代數據產品NDVI3g.v1[18]。GIMMS的NDVI3g.v1[19]是以搭載在NOAA（National Oceanic and Atmospheric Administration）衛星上的AVHHR（Advanced Very High Resolution Radiometer）傳感器採集的衛星數據為基礎，通過運用最大值（Maximum Value Composite，MVC）合成方法生產得到的空間分辨率為0.083°×0.083°（～8 km×8 km）[20][21][18]，時間分辨率為15 d的NDVI產品[18]。

1.1.4 空間矢量數據

編輯

植被類型分布圖採用的是中國科學院中國植被圖編輯委員會繪製的1:100萬植被類型圖[13]，從中國科學院資源環境科學數據中心下載得到[22]。青藏高原空間範圍數據也是從中國科學院資源環境科學數據中心下載得到[22]。

1.2 生物量空間數據集生產方法

編輯

1.2.1 數據預處理

編輯

在構建AGB的遙感估算模型之前，首先通過以下3個步驟對數據進行預處理：

① 以時間分辨率為15 d的NDVI數據為基礎，運用MVC方法[23]（公式1）計算得到時間分辨率為1個月的NDVI值。

圖片 （1）

公式（1）中，圖片為月序號，None為第圖片個月的NDVI值，圖片和圖片分別為第圖片個月上半月與下半月的NDVI值。

② 在月NDVI值的基礎上計算參與構建AGB遙感估算模型的年NDVI值。通過構建NDVI數據與AGB實測數據之間的經驗關係來模擬區域尺度的草地AGB時，通常選用年最大NDVI值或生長季的平均NDVI值。草地生態系統的生長季通常開始於每年的4月、結束於10月，但是表徵AGB變化的最優NDVI合成時相會因研究區域內部的異質性，如氣候、植被條件等的差異有所不同[24][25]，可能是4–10月、5–10月、4–9月、6–8月、7–8月等不同時期的NDVI值。

在本研究中為了系統地選擇表徵AGB變化的最優NDVI合成時相，年NDVI的計算時期可能開始於4月、5月、6月或者7月，結束時期可能是8月、9月或者10月，然後以1個月為時間步長進行組合，共計得到12種不同時相組合的生長季平均NDVI值：4–10月、5–10月、6–10月、7–10月；4–9月、5–9月、6–9月；4–8月、5–8月、6–8月；7–8月、7–9月。再加上年NDVI最大值，這樣共計得到每年13種不同時相組合的年NDVI值（圖2，附表1）。

③ 根據AGBobs的採樣年份和地理位置信息分別提取每個樣點對應年份由不同時相組合得到的13種年NDVI值，得到AGBobs與對應年NDVI數據集。採用隨機抽樣的方法選取約占總數75％的樣點數據為測試樣本，用於模型的構建，約25％的樣點數據為驗證樣本，用於模型的驗證。在此需要說明，在年最大NDVI值小於0.1的區域，因植被覆蓋率低，NDVI數據受下墊面影響比較大，在本研究中沒有考慮。

1.2.2 AGB遙感估算模型的構建

編輯

基於預處理後的AGBobs和NDVI數據，分別擬合AGBobs與對應13種年NDVI值之間的回歸關係（線性、指數、乘冪及對數），共計得到52種回歸模型（附表1）。本研究選取決定係數（圖片，公式2）和均方根誤差（圖片，公式3）作為模型精度的評價指標。

圖片 （2）

圖片 （3）

公式（2）和（3）式中，圖片為模型估算值圖片和地面實測值圖片之間的決定係數，能夠指示圖片和圖片兩組數據之間分布的相似性，表徵模型能夠解釋實測圖片變異的程度；圖片為模型估算值圖片和地面實測值圖片之間的均方根誤差，表徵圖片與圖片之間的偏差程度；n為樣點個數。

在構建的52個回歸模型中（附表1），模型精度評價結果同時符合圖片最小和圖片最大這兩個條件的模型，被認為是AGB的最優估算模型[26][27]。如果模型的精度評價結果表明同時滿足圖片最小和圖片最大這兩個條件的模型不存在，那麼需要優化現有的模型[27]。在本研究中，將分別滿足圖片最小的模型和圖片最大的模型在像元尺度的估算值取平均值作為AGB的最優估算結果。同時，將符合圖片最小和圖片最大的模型在像元尺度取平均的結果作為AGB的最優估算模型。

將上述的建模思路分別應用於北方溫帶草地和青藏高原高寒草地，然後用預留的驗證數據分別對兩個草地區域各自構建的52個回歸模型進行精度評價。評價結果表明（附表1），對於北方溫帶草地和青藏高原高寒草地來說，都不存在任何一個模型同時滿足圖片最大和圖片最小這兩個條件。根據上述模型構建方法的介紹，在北方溫帶草地和青藏高原高寒草地的AGB最優估算模型都是由各自圖片最大和圖片最小的模型（附表1中加粗顯示）在像元尺度取均值的平均模型。AGB遙感估算模型的構建思路參考Jiao等[15]的研究，主要的技術流程如圖2所示。


圖片

圖2 AGB空間數據集生產的技術路線圖


根據上述技術流程，構建中國北方溫帶草地AGB的遙感估算模型AGB-RSMNG（公式4）和青藏高原高寒草地AGB的遙感估算模型AGB-RSMTP（公式5）如下：

圖片 （4）

圖片 （5）

公式（4）和（5）中，圖片表示地理位置；圖片表示年份，取值範圍為1982–2015年；圖片和圖片分別表示地理位置圖片處，第圖片年中國北方溫帶草地和青藏高原高寒草地的AGB；圖片表示圖片處，第圖片年中7–10月期間圖片的平均值；圖片表示圖片處，第圖片年中6–9月期間圖片的平均值；圖片表示圖片處，第圖片年中4–8月期間圖片的平均值；圖片表示圖片處，第圖片年中5–8月期間圖片的平均值。

2 數據樣本描述

編輯

經過一系列處理，獲取了1982–2015年期間中國北方溫帶和青藏高原高寒草地逐年的AGB空間數據，並且以此為基礎分別計算了1980s（1982–1989年）、1990s（1990–1999年）、2000s（2000–2009年）和2010s（2010–2015年）不同年代的AGB，共同構成了1982–2015年間中國北方溫帶和青藏高原高寒草地AGB的空間數據集，空間分辨率為8 km，單位為g·m-2，格式為ARCGIS TIFF。以1980s、1990s、2000s和2010s的數據為例，展示AGB的空間數據情況（圖3）。

3 數據質量控制和評估

編輯

本數據集的生產從基礎數據的獲取與預處理、遙感估算模型的構建與驗證都有嚴格的質量控制和評估標準，保證了數據的可靠性。AGB實測數據是通過樣地收穫法得到的，數據獲取途徑包括文獻調研和野外調查兩個方面。對於文獻調研的數據，檢索關鍵詞的確定、數據獲取與處理的方法均經過專家的論證和認可。在數據收集完畢之後，由不同人員對數據進行交叉校對，對數據進行單位統一、異常值剔除等後續處理。對於野外調查數據，科研人員在樣方設置和樣品處理都嚴格遵循了相應的調查技術規範。


圖片

圖3 1980s、1990s、2000s和2010s中國北方溫帶和青藏高原高寒草地地上生物量的空間數據


AGB遙感估算模型所需的NDVI數據來源於GIMMS發布的NDVI3g.v1，該數據集在生產的過程中已經過一系列的預處理：如輻射校正、去雲、傳感器退化性訂正及幾何糾正等處理。GIMMS NDVI3g.v1數據集中還提供了NDVI數據的質量控制文件，目前已經在全球及區域尺度生態系統生物量及生產力的空間分異和動態變化研究中被公認和廣泛應用[28][29][30]。

在運用NDVI數據估算AGB的研究中，多數是通過選用預先設置好的某一個固定時期（如每年的5–8月、5–9月、4–9月、4–10月等）的NDVI值與實測AGB數據來構建AGB的遙感估算模型[31][32][33]。本數據集在生產過程中充分考慮了區域內植被及氣候條件差異對表徵AGB變化的最優NDVI時相的影響作用，將每年4–10月的月NDVI值按照不同的時間窗口進行組合，得到每年13種不同時相組合的年NDVI值。在此基礎上，較系統地篩選出表徵北方溫帶草地和青藏高原高寒草地AGB變化的最優NDVI時相，從一定程度上優化了這類傳統模型的計算方法。

為了更加直觀地表達本數據集的精度，我們用之前預留的約25％樣點的AGB實測數據作為驗證數據，與AGB-RSMNG和AGB-RSMTP的模擬結果進行了對比（圖4）。對比結果表明，AGB-RSMNG和AGB-RSMTP的模擬結果能夠很好地表徵中國北方溫帶和青藏高原高寒草地AGB的變異。對於北方溫帶草地來說（圖4a），AGB-RSMNG的模擬結果與AGB實測數據之間的R2 和RMSE分別為0.63和55.38 g·m-2。對於青藏高原高寒草地來說（圖4b），R2 和RMSE則為0.64和56.43 g·m-2。


圖片

圖4 由AGB-RSM 的估算結果與AGB實測數據對比驗證的結果（a）在北方溫帶草地驗證結果；（b）在青藏高原高寒草地驗證結果


4 數據使用方法和建議

編輯

基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量的空間數據集，可以通過CERN綜合中心數據資源服務網站（http://www.cnern.org.cn）下载得到。用户登录系统后，在首页点击“数据论文数据”图标或在“数据资源”栏目选择“数据论文数据”中的“碳氮水通量观测专题”，进入相应页面后可以下载完整数据。本数据集的生产是在ArcGIS软件平台下完成的，数据格式为ArcGIS TIFF格式，用戶需要藉助ArcGIS軟件才能打開。用戶若需要其他格式，可以在ArcGIS軟件中進行格式轉換。用戶使用時需要注意數據的單位，本數據集的單位統一為g·m-2。

在此需要說明的是，本數據集可能存在以下幾個方面的不確定性：（1）因本數據集的時間尺度比較長（1982–2015年），為了充分運用已有的調查數據，在構建AGB-RSM時採用的AGB實測數據來源於多個調查者、多次野外採樣獲得的數據集。儘管這些野外數據在獲取時都嚴格遵守了野外觀測與技術規範，但是多次的野外調查規範沒有統一，可能會對AGB實測數據的可比性產生一定的影響，也是本文公開數據不確定性的重要來源之一。（2）因考慮到AGB實測數據的可得性，本研究在構建AGB-RSM時，只考慮了因氣候不同而形成的北方溫帶草地和青藏高原高寒草地兩大區域之間的差異。對於研究區域的6種草地類型，高寒草原和高寒草甸主要分布在青藏高原高寒草地區域，運用的是同一個AGB估算模型（AGB-RSMTP）；其他4種草地類型主要分布在北方溫帶草地區域（AGB-RSMNG），運用的是同一個AGB估算模型，尚未針對各種草地類型的差異角度來考慮對模型的影響，這也可能會對AGB-RSM模型的構建造成一定的不確定性。

致 謝

編輯

衷心感謝華南師範大學的胡中民研究員和中國科學院地理科學與資源研究所黃玫副研究員為本研究提供了部分地上生物量實測數據。感謝美國國家航空航天局全球監測與模型研究組提供的NDVI數據，感謝中國科學院資源環境科學數據中心提供的1:100萬植被類型圖。

參考文獻

編輯
  1. ^ 1.0 1.1 WHITE R, MURRAY S, ROHWEDER M. Pilot analysis of global ecosystems: grassland ecosystems[M]. Washington, DC: World Resources Institute, 2000.
  2. ^ 2.0 2.1 2.2 JOBBAGY E G, SALA O E. Controls of grass and shrub aboveground production in the Patagonian steppe[J]. Ecological Applications, 2000, 10(2): 541-549.
  3. ↑ 翟鵬程. 基於遙感的植被生物量估算及其承載力評價[D]. 河北唐山: 華北理工大學, 2017.
  4. ↑ SCHLESINGER W H. Carbon balance in terrestrial detritus[J]. Annual Review of Ecology and Systematics, 1977, 8: 51-81.
  5. ↑ SCURLOCK J M O, JOHNSON K, OLSON R J. Estimating net primary productivity from grassland biomass dynamics measurements[J]. Global Change Biology, 2002, 8(8): 736-753.
  6. ↑ 張仁平, 馮琦勝, 郭靖, 等. 2000–2012年中國北方草地NDVI和氣候因子時空變化[J]. 中國沙漠, 2015 (05): 1403-1412.
  7. ^ 7.0 7.1 LAUENROTH W K, HUNT H W, SWIFT D M, et al. Estimating aboveground net primary production in grasslands - a simulation approach[J]. Ecological Modelling, 1986, 33(2-4): 297-314.
  8. ↑ SINGH J S, LAUENROTH W K, STEINHORST R K Review and assessment of various techniques for estimating net aerial primary production in grasslands from harvest data[J]. Botanical Review, 1975, 41(2): 181-232.
  9. ↑ JIANG Y B, TAO J, HUANG Y Q, et al. The spatial pattern of grassland aboveground biomass on Xizang Plateau and its climatic controls[J]. Journal of Plant Ecology, 2015, 8(1): 30-40.
  10. ^ 10.0 10.1 MA A N, HE N P, YU G R. et al. Carbon storage in Chinese grassland ecosystems: Influence of different integrative methods[J]. Scientific Reports, 2016, 6: 21378.
  11. ^ 11.0 11.1 MA W H, FANG J Y, YANG Y H, et al. Biomass carbon stocks and their changes in northern China's grasslands during 1982-2006[J]. Science in China Sereis - C Life Sciences, 2010, 53(7): 841-850.
  12. ^ 12.0 12.1 孫鴻烈. 中國資源科學百科全書[M]. 青島: 石油大學出版社, 2000.
  13. ^ 13.0 13.1 13.2 中國科學院中國植被圖編輯委員會（張新時主編）. 中國植被及其地理格局: 中華人民共和國植被圖(1:1000 000) 說明書 [M]. 北京: 地質出版社, 2007.
  14. ↑ JIAO C C, YU G R, HE N P, et al. Spatial pattern of grassland aboveground biomass and its environmental controls in the Eurasian steppe[J]. Journal of Geographical Sciences, 2017, 27(1): 3-22.
  15. ^ 15.0 15.1 JIAO C C, YU G R, GE J P, et al. Analysis of spatial and temporal patterns of aboveground net primary productivity in the Eurasian steppe region from 1982 to 2013[J]. Ecology and Evolution, 2017, 7(14): 5149-5162.
  16. ↑ MA A N, HE N P, XU L, et al. Grassland restoration in northern China is far from complete: evidence from carbon variation in the last three decades[J]. Ecosphere, 2017, 8(4): e01750.
  17. ↑ XU L, YU G R, HE N P, et al. Carbon storage in China's terrestrial ecosystems: A synthesis[J]. Scientific Reports, 2018, 8: 2806.
  18. ^ 18.0 18.1 18.2 TUCKER C J, PINZON J E., BROWN M E, et al. An extended AVHRR 8‐km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing, 2005, 26(20): 4485-4498.
  19. ↑ 美國國家航空航天局全球監測與模型研究組. 長時間序列歸一化植被指數數據集[EB/OL]. (2016-09-27) [2018-05-19]. https://ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/.
  20. ↑ ZHU Z C, BI J , PAN Y Z, et al. Global Data Sets of Vegetation Leaf Area Index 3g and Fraction of Photosynthetically Active Radiation (FPAR)3g Derived from Global Inventory Modeling and Mapping Studies (GIMMS) Normalized Difference Vegetation Index (NDVI3g) for the Period 1981 to 2011[J]. Remote Sensing, 2013, 5(2): 927-948.
  21. ↑ BECK H E, MCVICAR T R., VAN DIJK ALBERT I J M, et al. Global evaluation of four AVHRR–NDVI data sets: Intercomparison and assessment against Landsat imagery[J]. Remote Sensing of Environment, 2011, 115(10): 2547-2563.
  22. ^ 22.0 22.1 中國科學院資源環境科學數據中心. 數據名稱[EB/OL]. (2001-05-01) [2018-05-19]. http://www.resdc.cn.
  23. ↑ HOLBEN B N. Characteristics of maximum-value composite images from temporal AVHRR data[J]. International Journal of Remote Sensing, 1986, 7(11): 1417-1434.
  24. ↑ AN N, PRICE K P, BLAIR J M. Estimating above-ground net primary productivity of the tallgrass prairie ecosystem of the Central Great Plains using AVHRR NDVI[J]. International Journal of Remote Sensing, 2013, 34(11): 3717-3735.
  25. ↑ MKHABELA M S, BULLOCK P, RAJ S, et al. Crop yield forecasting on the Canadian Prairies using MODIS NDVI data[J]. Agricultural and Forest Meteorology, 2011, 151(3): 385–393.
  26. ↑ JI L, PETERS A J. Performance evaluation of spectral vegetation indices using a statistical sensitivity function[J]. Remote Sensing of Environment, 2007, 106(1): 59-65.
  27. ^ 27.0 27.1 TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research-Atmospheres, 2001, 106(D7): 7183-7192.
  28. ↑ WU X C, LIU H Y. Consistent shifts in spring vegetation green-up date across temperate biomes in China, 1982-2006[J]. Global Change Biology, 2013, 19(3): 870-880.
  29. ↑ JONGEN M, PEREIRA J S, IGREJA AIRES L M, et al. The effects of drought and timing of precipitation on the inter-annual variation in ecosystem-atmosphere exchange in a Mediterranean grassland[J]. Agricultural and Forest Meteorology, 2011, 151(5): 595-606.
  30. ↑ PIAO S L, FANG J Y, ZHOU L M, et al. Changes in vegetation net primary productivity from 1982 to 1999 in China[J]. Global Biogeochemical Cycles, 2005, 19(2): GB2027, DOI: 2010.1029/2004GB002274.
  31. ↑ REED B C, LOVELAND T R, TIESZEN L L. An approach for using AVHRR data to monitor US Great Plains grasslands[J]. Geocarto International, 1996, 11(3): 13-22.
  32. ↑ GUO Q, HU Z M, LI S G, et al. Spatial variations in aboveground net primary productivity along a climate gradient in Eurasian temperate grassland: effects of mean annual precipitation and its seasonal distribution[J]. Global Change Biology, 2012, 18(12): 3624-3631.
  33. ↑ GU Y X, WYLIE B K, BLISS N B. Mapping grassland productivity with 250-m eMODIS NDVI and SSURGO database over the Greater Platte River Basin, USA[J]. Ecological Indicators, 2013, 24: 31-36.

數據引用格式

編輯

焦翠翠, 於貴瑞, 陳智, 何念鵬. 基於遙感反演的1982–2015年中國北方溫帶和青藏高原高寒草地地上生物量空間數據集[DB/OL]. Science Data Bank, 2018. (2018-05-19) DOI: 10.11922/sciencedb.601.


 

本作品在「知識共享-署名 4.0 國際」協議下發表。

Public domainPublic domainfalsefalse

取自「https://zh.wikisource.org/w/index.php?title=基于遥感反演的1982–2015年中国北方温带和青藏高原高寒草地地上生物量空间数据集&oldid=1766275」