(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211278846.2 (22)申请日 2022.10.19 (71)申请人 中国科学院、 水利部成 都山地灾害 与环境研究所 地址 610041 四川省成 都市人民南路四段9 号 (72)发明人 谢馨瑶　李爱农　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 贺理兴 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/10(2006.01) G06F 111/08(2020.01) G06F 113/08(2020.01) (54)发明名称 山地高空间分辨率植被总初级生产力估算 方法 (57)摘要 本发明属于遥感图像数据处理技术领域， 涉 及山地高空间分辨率植被总初级生产力估算方 法， 该方法包括： 获取第一输入数据集； 处理得到 第二输入数据集与第三输入数据集； 确定第一 GPP估算结果与第二 GPP估算结果； 构建第一关系 模型； 计算第三GPP估算结果； 计算差值； 构建第 二关系模型； 估算第四GPP 估算结果； 计算第五植 被总初级生产力估算结果； 求和得到目标GPP估 算结果。 本发明采用生态水文模型， 能够更好地 表征山地生态系统的碳循环和水循环机制， 通过 光合作用过程对不同空间尺度环境变化的非线 性响应过程来改进线性降尺度过程， 减小了低分 辨率估算空间尺度误差引起的不确定性。 权利要求书2页 说明书8页 附图2页 CN 115358095 A 2022.11.18 CN 115358095 A 1.山地高空间分辨 率植被总初级生产力估算方法， 其特 征在于， 包括： 获取生态水文模型第一空间分辨 率下的第一输入数据集； 对所述第一输入数据集进行处理， 得到第 二空间分辨率下的第 二输入数据集与第 三空 间分辨率下的第三输入数据集； 其中， 第一空间分辨率为高空间分辨率； 第二空间分辨率与 第三空间分辨 率为中低空间分辨 率； 模拟植被光 合作用过程， 计算 植被光合作用参数； 利用所述第二输入数据集、 第三输入数据集与所述植被光合作用参数， 采用生态水文 模型进行植被总初级生产力估算， 确定第二空间分辨率下的第一植被总初级生产力估算结 果与第三空间分辨 率下的第二 植被总初级生产力估算结果； 根据所述第一输入数据集、 所述第二输入数据集与所述第三输入数据集， 获取第一空 间分辨率下的第一地表异质性参数、 第二空间分辨率下的第二地表异质性参数与第三空间 分辨率下的第三 地表异质性参数； 构建第二空间分辨率下的所述第一植被总初级生产力估算结果与所述第二地表异质 性参数的第一关系模型； 将第三空间分辨率下的所述第 三地表异质性参数作为所述第 一关系模型的输入， 得到 第三空间分辨 率下的第三 植被总初级生产力估算结果； 计算第三空间分辨率下的所述第二植被总初级生产力估算结果与所述第三植被总初 级生产力估算结果的差值； 在第二空间分辨率到第 三空间分辨率范围内， 构建所述差值与 所述第二地表异质性参 数、 所述第三 地表异质性参数的第二关系模型； 根据所述第一关系模型， 将所述第一地表异质性参数作为所述第一关系模型的输入， 估算第一空间分辨 率下的第四植被总初级生产力估算结果； 将所述第一地表异质性参数、 所述第二地表异质性参数作为所述第二关系模型的输 入， 计算第五植被总初级生产力估算结果； 计算所述第四植被总初级生产力估算结果与所述第五植被总初级生产力估算结果之 和， 得到目标植被总初级生产力估算结果。 2.根据权利要求1所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 第 一空间分辨率下的第一输入数据集包括站点气象数据、 第一空间分辨率下的土地覆盖类型 数据、 MODIS与Landsat反射 率数据、 地形 数据以及土壤 类型数据。 3.根据权利要求1所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 对 所述第一输入数据集进行 处理， 得到第二空间分辨率下的第二输入数据集与第三空间分辨 率下的第三输入数据集， 包括： 获取第一空间分辨 率下的第一时间序列LAI数据； 对所述第一时间序列LAI数据进行处 理， 确定第一空间分辨 率下的第一土壤 类型数据； 将第一空间分辨率下的第一输入数据集聚合为第二空间分辨率下的第二土壤类型数 据与第三空间分辨率下的第三土壤类型数据： 将第二空间分辨率下的第二土壤类型数据与 第三空间分辨率下的第三土壤类型数据均由第一空间分辨率下的第一土壤类型数据组成； 将第二空间分辨率下的第二土壤类型数据中的所有第一空间分辨率的第一时间序列LA I数 据的均值作为第二空间分辨率下第一时间序列LAI数据的像元值， 将第二空间分辨率下 的权　利　要　求　书 1/2 页 2 CN 115358095 A 2第二土壤类型数据中所有第一空间分辨率的地形数据的均值作为第二空间分辨率下地形 数据的像元值。 4.根据权利要求3所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 获 取第一空间分辨率下的第一时间序列LAI数据， 包括： 使用UofT  LAI算法、 STSG模型和 IFSDAF时空重建模 型从Landsat和MODIS反射率数据获得第一空间分辨率下的时间序列LAI 数据。 5.根据权利要求1所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 模 拟植被光 合作用过程， 计算 植被光合作用参数， 包括： 在光合作用过程中， 将植被冠层叶片分为光照叶片和阴影叶片， 分别模拟两种叶片的 光合作用过程； 根据太阳天顶角、 聚集指数和日长时间， 确定冠层总叶片的叶面积指数、 光照叶片的叶 面积指数和阴影叶片的叶面积指数； 将Farquhar模型扩展到日尺度计算日尺度的光照叶片的光合作用速率和阴影叶片的 光合作用速率。 6.根据权利要求1所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 所 述第一地表异质性参数、 所述第二地表异质性参数与所述第三地表异质性参数用于表征植 被异质性指标与地形指标； 所述植被异质性指标根据土地覆盖类型数据、 叶面积指数数据与气候指标进行表示； 所述地形指标根据高程数据、 坡度数据、 坡向数据、 土壤类型数据、 地形湿度指数以及天空 可视性因子进行表示； 所述气候指标包括降水量数据、 辐射数据、 气温数据。 7.根据权利要求1所述山地高空间分辨率植被总初级生产力估算方法， 其特征在于， 构 建所述第一关系模型的方式为采用随机森林回归算法模拟第二空间分辨率下的所述第一 植被总初级生产力估算结果与所述第二地表异质性参数的关系； 在第二空间分辨率到第三 空间分辨率范围内， 构建所述第二关系模型的方式为采用随机森林回归算法模拟所述差值 与所述第二 地表异质性参数、 所述第三 地表异质性参数的关系。权　利　要　求　书 2/2 页 3 CN 115358095 A 3