公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

植被反演方法的古气候要素定量化：现代数据检验被引量：7: 2016年; 气候要素的定量化是古气候研究的重要方向。为了充分考虑环境条件（如大气CO2浓度）对植被生长的影响，利用孢粉数据更加准确的重建古气候要素，尤其是与现代气候条件具有很大差异的冰期气候要素，我们对第一代植被反演方法进行丫改进，增强了植被类型的模拟，并利用转换矩阵实现了模型模拟植被类型和孢粉的生物群区类型的对接。将新方法运用于东亚季风区古气候要素的定量化重建，利用我国现代表土孢粉的生物群区化数据和气候实测资料，对植被反演方法重建的气候要素进行了检验。结果表明：该方法能较好地反演植被类型，并重建各气候要素；其中，最冷月温度、生物有效积温（〉5℃）、有效湿度、年均温度和年降水重建值与实测值之间的相关系数（R）分别为0．95、0．89、0．82、0．89和0．94，均在显著相关的水平上。因此，该方法可用于古气候要素的重建，为下一步更好揭示东亚季风气候演化历史提供了新的手段。; 吴海斌罗运利姜文英李琴孙爱芝郭正堂; 关键词：孢粉 BIOME 东亚季风

基于数字相机图像的西藏当雄高寒草地群落物候模拟被引量：15: 2012年; 物候现象是环境条件季节和年际变化最直观、敏感的综合指示器, 其发生时间不仅反映了陆地生态系统短期的动态特征, 其微小的变化还会对陆地生态系统产生重要的反馈作用。高寒草地是青藏高原分布广泛、极具代表性的植被类型, 准确地获取高寒草地群落的物候特征, 对于理解和预测气候变化对青藏高原生态系统的影响具有重要意义。该文以西藏当雄高寒草地为研究对象, 探讨了近地面数字相机图像在高寒草地群落季相监测中的作用, 结果如下: 1)通过比较不同绿度指数的差别, 确定了准确表征高寒草地植被群落季相变化的绿度指数——绝对绿度指数(2G_RB);2)结合土壤含水量数据, 通过线性回归分析得知高寒草地植被群落生长过程与表层(≤10 cm)土壤含水量的变化较为一致(R2> 0.70); 3)通过对比分析, 发现降水在高寒草地群落季相"变绿"过程中具有"触发"作用。研究表明, 数字相机技术可作为物候监测手段, 实现高寒草地植被群落季相的实时、连续获取, 为更好地揭示气候变化影响下景观尺度季相演变特征, 诊断地方、区域和全球尺度上生态系统对气候变化的快速响应提供了有效的手段。; 周磊何洪林张黎孙晓敏石培礼任小丽于贵瑞; 关键词：数字相机季相

基于OGC WPS的碳循环模型服务平台的设计与实现被引量：8: 2012年; 碳循环模型是模拟陆地生态系统,估计和预测不同尺度碳收支格局和变率的重要手段。但传统碳循环模型应用中存在数据处理量大、运算复杂、互操作性差、难以推广等问题。由开放地理信息联盟(OGC)制定的网络处理服务(WPS)标准为实现碳循环模型的发布、共享、重用与组合,促进碳循环模型的发展和应用提供了一种新的途径。本文遵循OGC WPS标准,以SOA设计了碳循环模型服务平台的整体架构,详细描述了平台模型接口设计、模型算法开发、WPS服务的封装与发布、平台浏览器客户端界面开发等关键环节的实现方法,为用户提供了碳循环相关数据和模型服务的发布、管理、调用、组合、异步交互、状态监控和结果可视化等功能。并以VPM模型服务链为应用实例,演示碳循环模型WPS服务开发、封装、调用和组合的方法,展示了该服务平台的功能。该平台的建立为我国碳循环模型研究的发展提供了技术支撑。; 吴楠何洪林张黎任小丽周园春于贵瑞王晓峰; 关键词：OGC WPS

数据处理方法不确定性对CO_2通量组分估算的影响被引量：13: 2010年; 基于中国陆地生态系统通量观测研究网络(ChinaFLUX)4个站点(2个森林站和2个草地站)的涡度相关通量观测资料,分析了CO2通量数据处理过程中异常值剔除参数设置、夜间摩擦风速(u*)临界值(u*c)确定及数据插补模型选择对CO2通量组分估算的影响.结果表明:3种数据处理方法均对净生态系统碳交换量(NEE)年总量估算有显著影响,其中u*c确定是影响NEE估算的重要因子;异常值剔除、u*c确定及数据插补模型选择导致NEE年总量估算偏差分别为0.62～21.31 g C.m-2.a-1(0.84%～65.31%)、4.06～30.28 g C.m-2.a-1(3.76%～21.58%)和0.69～27.73 g C.m-2.a-1(0.23%～55.62%),草地生态系统NEE估算对数据处理方法参数设置更敏感;数据处理方法不确定性引起的总生态系统碳交换量和生态系统呼吸年总量估算相对偏差分别为3.88%～11.41%和6.45%～24.91%.; 刘敏刘敏何洪林于贵瑞孙晓敏朱旭东张黎赵新全王辉民石培礼; 关键词：CO2通量数据处理方差分析不确定性

基于模型数据融合的千烟洲亚热带人工林碳水通量模拟被引量：19: 2012年; 人工林生态系统是我国森林生态系统的重要组成部分,在全球碳平衡中的作用越来越受到重视。利用千烟洲亚热带人工针叶林通量观测站的碳水通量和气象观测数据,通过模型数据融合方法对碳水循环过程模型——SIPNET模型关键参数进行反演,模拟了2004—2009年千烟洲人工林生态系统的碳水通量。结果表明:仅用碳通量观测数据优化模型参数时,净生态系统碳交换量(NEE)模拟效果较好(R2=0.934),而生态系统蒸散(ET)模拟效果较差(R2=0.188);同时用碳水通量观测数据优化时,NEE模拟效果稍差(R2=0.929),但ET模拟效果显著提升(R2=0.824),说明利用碳水通量观测数据同时优化,SIPNET模型才能较好地模拟试验站点碳水通量。在此基础上,开展了人工林生态系统碳通量对降水变化响应的敏感性分析,发现降水量减少对光合作用的影响比对呼吸作用的影响更为强烈,且碳水通量同时参与优化时模型才能较好地模拟碳通量随降水减少而快速降低的趋势,表明如果不能同时利用碳水通量进行参数优化,模型无法正确揭示生态系统碳循环对降水变异的响应。; 任小丽何洪林刘敏张黎周磊于贵瑞王辉民; 关键词：人工林

基于数字相机图像的长白山森林物候模拟（英文）被引量：3: 2013年; 植被物候作为全球植被和陆面过程模型的重要参数,对其状态的准确描述在很大程度上决定着模型的模拟精度。温带森林作为北半球中高纬度地区主要植被类型及全球重要碳源,研究其物候期的变化将提高对区域碳通量的估算精度。本文以长白山阔叶红松林为研究对象,探讨了数字相机图像在物种尺度物候模拟及群落尺度物候模型改进方面的作用,结果如下:(1)物种尺度上,利用数字相机能获取两种植被(红松,蒙古栎)较为准确的物候期(与人工观测数据比较,绝对误差<3d);(2)群落尺度上,基于数字相机图像获取的冠层状态数据提高了基于气象数据的物候模型(GSI:growing season index)的模拟精度(R2=0.9),尤其是秋季物候模拟,为进一步分析群落物候的环境控制因子提供了有力手段。研究表明:数字相机不仅能够提供精确地基于物种尺度的物候数据,还可为遥感物候数据的校正提供参考,同时为生态模型中物候模块的改进及降低区域尺度碳通量模拟不确定性提供了新的思路。; 周磊何洪林孙晓敏张黎于贵瑞任小丽王佳音张军辉; 关键词：物候数字相机温带森林

基于数字相机的冬小麦物候和碳交换监测被引量：13: 2012年; 利用数字相机自动、连续监测植被冠层物候变化,逐渐引起人们的广泛关注。依托中国陆地生态系统通量观测研究网络(ChinaFLUX),探讨了数字相机在监测冬小麦生长状况及生态系统碳交换方面的作用,得到如下结果:(1)利用数字相机图像提取的比值绿度指数G/R能较好地反映冬小麦冠层物候变化,通过分析比值绿度指数G/R的时间序列,得到了较为准确的冬小麦关键生育日期(与人工观测数据比较,误差<3 d),表明数字相机可以作为物候监测的一种有效手段;(2)数字相机图像获取的比值绿度指数能较好地模拟冬小麦总生态系统碳交换量GEE,R2为0.66,叶片最大光合同化速率与比值绿度指数G/R变化趋势基本一致。表明利用数字相机技术在一定程度上能够表征作物生理生态过程。从而为我国开展不同陆地生态系统自动连续物候监测,深入研究不同生态系统物候和碳循环的关系提供支持。; 周磊何洪林孙晓敏张黎于贵瑞任小丽闵程程赵凤华; 关键词：数字相机涡度相关冬小麦 CO2通量

基于遥感的千烟洲人工林蒸散及其组分模拟研究被引量：24: 2012年; 论文通过改进遥感蒸散模型的关键参数,结合遥感数据和气象观测数据,对2003—2008年江西千烟洲人工林生态系统蒸散及其组分进行模拟,并利用涡度相关技术获取的蒸散实测数据对模型模拟结果进行验证和评价。结果表明:①年均蒸散总量模拟值比实测值偏低2.4%,决定系数与均方根误差分别为0.83和0.61 mm.d-1。②土壤蒸发、林冠截留蒸发和植被蒸腾分别占总蒸散量的12%、23%和65%。其中,土壤蒸发季节及年际变化相对稳定;林冠截留蒸发季节变化明显且在不同年份差异较大;植被蒸腾季节变化明显,但年际变异较小。③1—3月植被光合作用较弱,植被蒸腾与蒸散比小于30%。随着植被蒸腾的增强,从4月开始植被蒸腾与蒸散比迅速增加,在生长旺季(7月底)可达到约90%。由于该模型所需数据在区域尺度较易获取,从而为开展区域尺度中亚热带人工林生态系统蒸散及其组分模拟提供方法支撑。; 魏焕奇何洪林刘敏刘敏张黎于贵瑞闵程程王辉民; 关键词：土壤蒸发千烟洲遥感

全选清除导出

共1页<1>

国家自然科学基金(41071251)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(41071251)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈